更新 'get_plant_size.py'

get_plant_size.py

@@ -1,127 +1,131 @@
-# coding=utf-8
-from scipy.spatial import distance as dist
-from imutils import perspective
-from imutils import contours
-import numpy as np
-import argparse
-import imutils
-import cv2
-import time
-
-
-# 定義一個中點函數，後面會用到
-def midpoint(ptA, ptB):
-    return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)
-
-
-# 讀取輸入圖片
-image = cv2.imread("test3.jpg")
-# 建立一個黑色背景的圖片
-bg_img = np.zeros((image.shape[0], image.shape[1] // 2, 3), np.uint8)
-
-# 設定正方形的邊長
-length = int(2 / 2.54 * image.shape[1] / 2)
-
-# 畫出正方形
-cv2.rectangle(bg_img, (bg_img.shape[1] // 2 - length // 2, bg_img.shape[0] // 2 - length // 2),
-              (bg_img.shape[1] // 2 + length // 2, bg_img.shape[0] // 2 + length // 2), (255, 255, 255), 2)
-
-# 將原始圖片與正方形圖案合併在一起
-image = np.concatenate((bg_img, image), axis=1)
-cv2.imshow('Result', image)
-cv2.waitKey(0)
-
-# 輸入圖片灰度化
-gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
-# 對灰度圖片執行高斯濾波
-gray = cv2.GaussianBlur(gray, (7, 7), 0)
-
-# 對濾波結果做邊緣檢測獲取目標
-edged = cv2.Canny(gray, 50, 100)
-# 使用膨脹和腐蝕操作進行閉合對象邊緣之間的間隙
-edged = cv2.dilate(edged, None, iterations=1)
-edged = cv2.erode(edged, None, iterations=1)
-
-# 在邊緣圖像中尋找物體輪廓（即物體）
-cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
-                        cv2.CHAIN_APPROX_SIMPLE)
-cnts = imutils.grab_contours(cnts)
-
-# 對輪廓按照從左到右進行排序處理
-(cnts, _) = contours.sort_contours(cnts)
-# 初始化 'pixels per metric'
-pixelsPerMetric = None
-
-# 循環遍歷每一個輪廓
-for c in cnts:
-    # 如果當前輪廓的面積太少，認為可能是噪聲，直接忽略掉
-    if cv2.contourArea(c) < 100:
-        continue
-
-    # 根據物體輪廓計算出外切矩形框
-    orig = image.copy()
-    box = cv2.minAreaRect(c)
-    box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
-    box = np.array(box, dtype="int")
-
-    # 按照top-left, top-right, bottom-right, bottom-left的順序對輪廓點進行排序，並繪製外切的BB，用綠色的線來表示
-    box = perspective.order_points(box)
-    cv2.drawContours(orig, [box.astype("int")], -1, (0, 255, 0), 2)
-
-    # 繪製BB的4個頂點，用紅色的小圓圈來表示
-    for (x, y) in box:
-        cv2.circle(orig, (int(x), int(y)), 5, (0, 0, 255), -1)
-
-    # 分別計算top-left 和top-right的中心點和bottom-left 和bottom-right的中心點坐標
-    (tl, tr, br, bl) = box
-    (tltrX, tltrY) = midpoint(tl, tr)
-    (blbrX, blbrY) = midpoint(bl, br)
-
-    # 分別計算top-left和top-right的中心點和top-righ和bottom-right的中心點坐標
-    (tlblX, tlblY) = midpoint(tl, bl)
-    (trbrX, trbrY) = midpoint(tr, br)
-
-    # 繪製BB的4條邊的中心點，用藍色的小圓圈來表示
-    cv2.circle(orig, (int(tltrX), int(tltrY)), 5, (255, 0, 0), -1)
-    cv2.circle(orig, (int(blbrX), int(blbrY)), 5, (255, 0, 0), -1)
-    cv2.circle(orig, (int(tlblX), int(tlblY)), 5, (255, 0, 0), -1)
-    cv2.circle(orig, (int(trbrX), int(trbrY)), 5, (255, 0, 0), -1)
-
-    # 在中心點之間繪製直線，用紫紅色的線來表示
-    cv2.line(orig, (int(tltrX), int(tltrY)), (int(blbrX), int(blbrY)),
-             (255, 0, 255), 2)
-    cv2.line(orig, (int(tlblX), int(tlblY)), (int(trbrX), int(trbrY)),
-             (255, 0, 255), 2)
-
-    # 計算兩個中心點之間的歐氏距離，即圖片距離
-    dA = dist.euclidean((tltrX, tltrY), (blbrX, blbrY))
-    dB = dist.euclidean((tlblX, tlblY), (trbrX, trbrY))
-
-    # 初始化測量指標值，參考物體在圖片中的寬度已經通過歐氏距離計算得到，參考物體的實際大小已知
-    if pixelsPerMetric is None:
-        pixelsPerMetric = dB / (1.968503 *2.54) #大約5公分=1.968503英吋
-
-    # 計算目標的實際大小（寬和高），用英尺來表示
-    dimA = dA / pixelsPerMetric
-    dimB = dB / pixelsPerMetric
-
-    # 在圖片中繪製結果
-    cv2.putText(orig, "{:.1f}cm".format(dimB),
-                (int(tltrX - 15), int(tltrY - 10)), cv2.FONT_HERSHEY_SIMPLEX,
-                0.65, (255, 255, 255), 2)
-    cv2.putText(orig, "{:.1f}cm".format(dimA),
-                (int(trbrX + 10), int(trbrY)), cv2.FONT_HERSHEY_SIMPLEX,
-                0.65, (255, 255, 255), 2)
-    print('長：',"{:.1f}cm".format(dimB))
-    print('寬：',"{:.1f}cm".format(dimA))
-
-    now_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime(time.time()))
-    save_pic_name = now_time + '_' + '.jpg'
-    cv2.imwrite(save_pic_name, orig)
-
-    # 顯示結果
-    #cv2.namedWindow('Image', 0)
-    cv2.namedWindow("Image", cv2.WINDOW_NORMAL)
-    cv2.resizeWindow("Image", 800, 600)
-    cv2.imshow("Image", orig)
-    cv2.waitKey(0)
+# coding=utf-8
+from scipy.spatial import distance as dist
+from imutils import perspective
+from imutils import contours
+import numpy as np
+import argparse
+import imutils
+import cv2
+import time
+
+
+# 定義一個中點函數，後面會用到
+def midpoint(ptA, ptB):
+    return ((ptA[0] + ptB[0]) * 0.5, (ptA[1] + ptB[1]) * 0.5)
+
+
+# 讀取輸入圖片
+image = cv2.imread("test3.jpg")
+# 建立一個黑色背景的圖片
+bg_img = np.zeros((image.shape[0], image.shape[1] // 2, 3), np.uint8)
+
+# 設定正方形的邊長
+length = int(2 / 2.54 * image.shape[1] / 2)
+
+# 畫出正方形
+cv2.rectangle(bg_img, (bg_img.shape[1] // 2 - length // 2, bg_img.shape[0] // 2 - length // 2),
+              (bg_img.shape[1] // 2 + length // 2, bg_img.shape[0] // 2 + length // 2), (255, 255, 255), 2)
+
+# 將原始圖片與正方形圖案合併在一起
+image = np.concatenate((bg_img, image), axis=1)
+cv2.imshow('Result', image)
+cv2.waitKey(0)
+
+# 輸入圖片灰度化
+gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
+# 對灰度圖片執行高斯濾波
+gray = cv2.GaussianBlur(gray, (7, 7), 0)
+
+# 對濾波結果做邊緣檢測獲取目標
+edged = cv2.Canny(gray, 50, 100)
+# 使用膨脹和腐蝕操作進行閉合對象邊緣之間的間隙
+edged = cv2.dilate(edged, None, iterations=1)
+edged = cv2.erode(edged, None, iterations=1)
+
+# 在邊緣圖像中尋找物體輪廓（即物體）
+cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL,
+                        cv2.CHAIN_APPROX_SIMPLE)
+cnts = imutils.grab_contours(cnts)
+
+# 對輪廓按照從左到右進行排序處理
+(cnts, _) = contours.sort_contours(cnts)
+# 初始化 'pixels per metric'
+pixelsPerMetric = None
+
+# 循環遍歷每一個輪廓
+for c in cnts:
+    # 如果當前輪廓的面積太少，認為可能是噪聲，直接忽略掉
+    if cv2.contourArea(c) < 100:
+        continue
+
+    # 根據物體輪廓計算出外切矩形框
+    orig = image.copy()
+    box = cv2.minAreaRect(c)
+    box = cv2.cv.BoxPoints(box) if imutils.is_cv2() else cv2.boxPoints(box)
+    box = np.array(box, dtype="int")
+
+    # 按照top-left, top-right, bottom-right, bottom-left的順序對輪廓點進行排序，並繪製外切的BB，用綠色的線來表示
+    box = perspective.order_points(box)
+    cv2.drawContours(orig, [box.astype("int")], -1, (0, 255, 0), 2)
+
+    # 繪製BB的4個頂點，用紅色的小圓圈來表示
+    for (x, y) in box:
+        cv2.circle(orig, (int(x), int(y)), 5, (0, 0, 255), -1)
+
+    # 分別計算top-left 和top-right的中心點和bottom-left 和bottom-right的中心點坐標
+    (tl, tr, br, bl) = box
+    (tltrX, tltrY) = midpoint(tl, tr)
+    (blbrX, blbrY) = midpoint(bl, br)
+
+    # 分別計算top-left和top-right的中心點和top-righ和bottom-right的中心點坐標
+    (tlblX, tlblY) = midpoint(tl, bl)
+    (trbrX, trbrY) = midpoint(tr, br)
+
+    # 繪製BB的4條邊的中心點，用藍色的小圓圈來表示
+    cv2.circle(orig, (int(tltrX), int(tltrY)), 5, (255, 0, 0), -1)
+    cv2.circle(orig, (int(blbrX), int(blbrY)), 5, (255, 0, 0), -1)
+    cv2.circle(orig, (int(tlblX), int(tlblY)), 5, (255, 0, 0), -1)
+    cv2.circle(orig, (int(trbrX), int(trbrY)), 5, (255, 0, 0), -1)
+
+    # 在中心點之間繪製直線，用紫紅色的線來表示
+    cv2.line(orig, (int(tltrX), int(tltrY)), (int(blbrX), int(blbrY)),
+             (255, 0, 255), 2)
+    cv2.line(orig, (int(tlblX), int(tlblY)), (int(trbrX), int(trbrY)),
+             (255, 0, 255), 2)
+
+    # 計算兩個中心點之間的歐氏距離，即圖片距離
+    dA = dist.euclidean((tltrX, tltrY), (blbrX, blbrY))
+    dB = dist.euclidean((tlblX, tlblY), (trbrX, trbrY))
+
+    # 初始化測量指標值，參考物體在圖片中的寬度已經通過歐氏距離計算得到，參考物體的實際大小已知
+    if pixelsPerMetric is None:
+        pixelsPerMetric = dB / (1.968503 *2.54) #大約5公分=1.968503英吋
+
+    # 計算目標的實際大小（寬和高），用英尺來表示
+    dimA = dA / pixelsPerMetric
+    dimB = dB / pixelsPerMetric
+
+    # 在圖片中繪製結果
+    cv2.putText(orig, "{:.1f}cm".format(dimB),
+                (int(tltrX - 15), int(tltrY - 10)), cv2.FONT_HERSHEY_SIMPLEX,
+                0.65, (255, 255, 255), 2)
+    cv2.putText(orig, "{:.1f}cm".format(dimA),
+                (int(trbrX + 10), int(trbrY)), cv2.FONT_HERSHEY_SIMPLEX,
+                0.65, (255, 255, 255), 2)
+    print('長：',"{:.1f}cm".format(dimB))
+    print('寬：',"{:.1f}cm".format(dimA))
+
+    now_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime(time.time()))
+    save_pic_name = now_time + '_' + '.jpg'
+    cv2.imwrite(save_pic_name, orig)
+    
+    path = 'size_output.txt'
+    with open(path, 'a') as f:
+        f.write('長：'+"{:.1f}cm".format(dimB)+' 寬：'+"{:.1f}cm".format(dimA) + '\n')
+
+    # 顯示結果
+    #cv2.namedWindow('Image', 0)
+    cv2.namedWindow("Image", cv2.WINDOW_NORMAL)
+    cv2.resizeWindow("Image", 800, 600)
+    cv2.imshow("Image", orig)
+    cv2.waitKey(0)