Python 3.x 计算特定暗区的平均宽度

我正在处理与下面一幅相似的大部分图像。我希望能够计算黑线的平均宽度（大致为图像中的黄线），但不确定如何最好地在python中实现这一点。图像上没有黄线，只有黑带

原始图像：

---

第一种方法是使用

测线仪



找到图像的边缘



img=cv2.imread（'calculate_width.png'））
灰色\u img=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
canny_img=cv2.canny（灰色_img，阈值1=150，阈值2=200）





探测线路



lines=createFastLineDetector（\u length\u threshold=20）。检测（canny\u img）




计算距离



对于cur in行：
（x1，y1，x2，y2）=cur[0]
dist=数学sqrt（（x2-x1）**2）+（y2-y1）**2））
打印（{.2f}，{.2f}）-（{.2f}，{.2f}）之间的距离={.2f}
.格式（x1、y1、x2、y2、dist））
cv2.线（img，pt1=（x1，y1），pt2=（x2，y2），颜色=（0，255，0），
厚度=2）
cv2.imshow（“检测到”，img）
cv2.等待键（0）




结果





（46.98884.00）-（50.37905.10）=21.37像素之间的距离

更新

---

如果我们将

图像分割

应用于以下区域：

• 我们想用公式求出红线的长度和红线之间的距离

上层：

之间的距离（118.06868.42）-（96.92871.40）
（95.94872.67）-（75.85876.11）之间的距离
（74.88877.33）-（24.85886.16）之间的距离
（23.96887.62）-（0.01890.06）之间的距离

下表：

之间的距离（79.07894.60）-（99.02892.15）
（104.01886.54）-（125.99887.20）之间的距离
（40.93901.45）-（66.05898.40）之间的距离
（0.00906.02）-（33.99905.52）之间的距离

如果随机选择两个点：

（66.05898.40）

和

（24.85-886.16）

，则距离为：

41.23

这个解决方案并不完美，但它可能会给出一个更好的想法的直觉。因此，我将此作为答案发布

代码：

导入cv2
输入数学
将numpy作为np导入
从cv2.ximgproc导入createFastLineDetector
img=cv2.imread（'calculate_width.png'）
灰色\u img=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
ret，thresh=cv2.阈值（灰度，150255，
cv2.THRESH_二进制_INV+cv2.THRESH_OTSU）
内核=np.one（（5，5），np.uint8）
opening=cv2.morphologyEx（thresh，cv2.MORPH_OPEN，kernel）
sure\u bg=cv2.deplate（打开，内核）
距离变换=cv2.距离变换（打开，cv2.距离变换L2，5）
_，sure_fg=cv2.threshold（dist_transform，0.3*dist_transform.max（），
255, 0)
sure\u fg=np.uint8（sure\u fg）
未知=cv2.相减（确定为bg，确定为fg）
lines=createFastLineDetector（_length_threshold=20）。detect（未知）
对于cur in行：
（x1，y1，x2，y2）=cur[0]
dist=数学sqrt（（x2-x1）**2）+（y2-y1）**2））
打印（{.2f}，{.2f}）-（{.2f}，{.2f}）之间的距离
.格式（x1、y1、x2、y2））
cv2.线（img，pt1=（x1，y1），pt2=（x2，y2），颜色=（0，255，0），
厚度=2）
cv2.imshow（“检测到”，img）
cv2.等待键（0）

谢谢您的回答@Ahx。OP中的黄线只是用来标记我试图计算平均距离的黑线，在我正在处理的实际图像中并不存在。根据您的回答，似乎需要出现黄线，因为计算？我会更新OP，让它更清晰。我想黄线是可用的。你有模板图像吗？刚刚添加到OP@Ahx。抱歉搞混了！不，没问题。为迟来的跟进道歉。经过一些轻微的修改，这适用于我的用例，谢谢！暗带是如何定义的？它似乎不是图像中最黑暗的部分。它总是在正确的波段上方吗？它总是一个特定宽度范围的暗带吗？检测波段是99%的问题，一旦检测到，很容易得到宽度。因此，我们需要知道用于识别带的逻辑。暗带本身就是钻头上的“磨损带”。因此，带宽是相当动态的，取决于钻头的使用水平。暗带总是在白带之上。你是对的，它通常不是图像中最暗的部分。