C++ 我如何在图像/视频中找到一个知道其真实物理尺寸的对象？

我有一个图像样本，希望检测图像/视频中的对象以及其他已经提前知道该对象真实物理尺寸的对象。我有一个图像样本（它的飞机门），我想找到飞机门上的窗口，知道它的物理尺寸（我们说它的内径是20cm，外径是23cm）和它在门上的真实位置（例如它到门框的最小距离是15cm）。我还可以事先知道我的相机分辨率。任何MATLAB代码或OpenCV C++都可以自动处理图像处理？ 这是我的图片样本

以及更复杂的圆形徽标图像。

我运行了第二个复杂图像的代码，但没有得到相同的结果。这是图像结果。

---

我不会太担心精确的几何结构和校准，而是根据窗口自身的特性来找到窗口

二值化效果相对较好，无论是在整个图像上还是在感兴趣的大区域中

然后，可以根据近似面积和/或圆度选择最可能的水滴

---

您正在图像中寻找一个圆，因此我建议您使用Hough圆变换

将图像转换为灰色

在图像中查找边

使用Hugh circle transform在图像中查找圆

对于每个候选圆，对圆的值进行采样，如果这些值对应于预定义的值，则接受 守则：

clear all

% Parameters
minValueWindow = 90;
maxValueWindow = 110;

% Read file
I = imread('image1.jpg');
Igray = rgb2gray(I);
[row,col] = size(Igray);

% Edge detection
Iedge = edge(Igray,'canny',[0 0.3]);

% Hough circle transform
rad = 40:80; % The approximate radius in pixels
detectedCircle = {};
detectedCircleIndex = 1;
for radIndex=1:1:length(rad)
    [y0detect,x0detect,Accumulator] = houghcircle(Iedge,rad(1,radIndex),rad(1,radIndex)*pi/2);

    if ~isempty(y0detect)
        circles = struct;
        circles.X = x0detect;
        circles.Y = y0detect;
        circles.Rad = rad(1,radIndex);
        detectedCircle{detectedCircleIndex} = circles;
        detectedCircleIndex = detectedCircleIndex + 1;
    end
end

% For each detection run a color filter
ang=0:0.01:2*pi; 
finalCircles = {};
finalCircleIndex = 1;

for i=1:1:detectedCircleIndex-1

    rad = detectedCircle{i}.Rad;
    xp = rad*cos(ang);
    yp = rad*sin(ang);

    for detectedPointIndex=1:1:length(detectedCircle{i}.X)

        % Take each detected center and sample the gray image
        samplePointsX = round(detectedCircle{i}.X(detectedPointIndex) + xp);
        samplePointsY = round(detectedCircle{i}.Y(detectedPointIndex) + yp);

        sampleValueInd = sub2ind([row,col],samplePointsY,samplePointsX);
        sampleValueMean = mean(Igray(sampleValueInd));

        % Check if the circle color is good
        if(sampleValueMean > minValueWindow && sampleValueMean < maxValueWindow)
            circle = struct();
            circle.X = detectedCircle{i}.X(detectedPointIndex);
            circle.Y = detectedCircle{i}.Y(detectedPointIndex);
            circle.Rad = rad;
            finalCircles{finalCircleIndex} = circle;
            finalCircleIndex = finalCircleIndex + 1;
        end
    end
end

% Find Main circle by merging close hyptosis together
for finaCircleInd=1:1:length(finalCircles)
    circleCenter(finaCircleInd,1) = finalCircles{finaCircleInd}.X;
    circleCenter(finaCircleInd,2) = finalCircles{finaCircleInd}.Y;
    circleCenter(finaCircleInd,3) = finalCircles{finaCircleInd}.Rad;
end
[ind,C] = kmeans(circleCenter,2);
c = [length(find(ind==1));length(find(ind==2))];
[~,maxInd] = max(c);
xCircle = median(circleCenter(ind==maxInd,1));
yCircle = median(circleCenter(ind==maxInd,2));
radCircle = median(circleCenter(ind==maxInd,3));
% Plot circle
imshow(Igray);
hold on

ang=0:0.01:2*pi;
xp=radCircle*cos(ang);
yp=radCircle*sin(ang);
plot(xCircle+xp,yCircle+yp,'Color','red', 'LineWidth',5);

全部清除
%参数
最小值窗口=90；
maxValueWindow=110；
%读取文件
I=imread（'image1.jpg'）；
Igray=rgb2gray（I）；
[行，列]=大小（Igray）；
%边缘检测
Iedge=边缘（Igray，'canny'，[0.3]）；
%霍夫圆变换
rad=40:80；%以像素为单位的近似半径
detectedCircle={}；
检测到的CircleIndex=1；
对于半径，X=1:1：长度（rad）
[y0detect，x0detect，累加器]=霍夫圆（Iedge，rad（1，radIndex），rad（1，radIndex）*pi/2）；
if~为空（y0detect）
圆圈=结构；
圆X=x0detect；
圆。Y=y0detect；
圆。Rad=Rad（1，radIndex）；
detectedCircle{detectedCircleIndex}=圆；
detectedCircleIndex=detectedCircleIndex+1；
终止
终止
%对于每个检测，运行一个颜色过滤器
ang=0:0.01:2*pi；
finalCircles={}；
最终循环指数=1；
对于i=1:1:detectedCircleIndex-1
rad=检测到的圆{i}.rad；
xp=rad*cos（ang）；
yp=rad*sin（ang）；
对于detectedPointIndex=1:1：长度（detectedCircle{i}.X）
%取每个检测到的中心并对灰度图像进行采样
samplePointsX=圆形（detectedCircle{i}.X（detectedPointIndex）+xp）；
samplePointsY=round（detectedCircle{i}.Y（detectedPointIndex）+yp）；
sampleValueInd=sub2ind（[row，col]，samplePointsY，samplePointsX）；
sampleValueMean=平均值（Igray（sampleValueInd））；
%检查圆圈颜色是否良好
if（sampleValueMean>minValueWindow&&sampleValueMean

生成的图像：

备注:

• 对于其他图像，仍需微调多个参数，如搜索颜色的半径、Hough圆阈值和canny边缘阈值
• 在函数中，我搜索半径从40像素到80像素的圆。在这里，您可以使用有关窗口真实世界半径和相机分辨率的先验信息。如果您知道相机与飞机的大致距离、相机的分辨率以及以厘米为单位的窗口半径，则可以使用该值获取以像素为单位的半径，并将其用于hough圆变换

---

听起来很先进。首先，你需要知道飞机的所有参数——高度、角的圆度等等。然后从哪个角度拍摄照片/视频。根据这些参数，您可以在图像/视频中检测平面的前、上、下坐标，并创建（例如）矩形，用作测量/地图。完成后，您可以在飞机内搜索对象并测量它们。您需要在浏览器中找到的功能中使用（您需要将它们与您的图像匹配）。它有很多功能。我没有在这个主题，但我知道，你可以找到许多简单的功能，这样做，你需要匹配到你的图像（没有人会为你这样做：）。首先，你需要校准的径向失真的相机在所有你的图像。否则，尺寸将被扭曲，并且在不同的图像中确实不同。好的，谢谢。这里的挑战可能是您提到的另一个圆圈（如公司徽标或任何其他绘画）。那么，什么样的过滤和技术可以用来准确地找到我需要的窗口呢。有用于过滤的示例代码吗？您可以使用窗口和圆圈的颜色。也许还能识别出另一个显著的特征，比如门