Python 如何根据颜色测量房间的大小

因此，该代码能够将它标识的各种房间分割成不同的颜色，如下所示。问题是，如何获得彩色房间的面积（如蓝色房间）。房间按1m:150m的比例布置

第一个图像是我需要测量的输出，第二个房间是我用来运行代码的图像，第三个图像是供参考的原始图像。提前谢谢

import numpy as np

def find_rooms(img, noise_reduction=10, corners_threshold=0.0000001,
               room_close=2, gap_in_wall_threshold=0.000001):

    # :param img: grey scale image of rooms, already eroded and doors removed etc.
    # :param noise_reduction: Amount of noise removed.
    # :param corners_threshold: Corners to retained, higher value = more of house removed.
    # :param room_close: Maximum line length to add to close off open doors.
    # :param gap_in_wall_threshold: Minimum number of pixels to identify component as room instead of hole in the wall.
    # :return: rooms: list of numpy arrays containing boolean masks for each detected room
    # colored_house: Give room a color.

    assert 0 <= corners_threshold <= 1
    # Remove noise left from door removal

    img[img < 128] = 0
    img[img > 128] = 255
    contours, _ = cv2.findContours(~img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    mask = np.zeros_like(img)
    for contour in contours:
        area = cv2.contourArea(contour)
        if area > noise_reduction:
            cv2.fillPoly(mask, [contour], 255)

    img = ~mask

    # Detect corners (you can play with the parameters here)
    #harris corner detection
    dst = cv2.cornerHarris(img, 4,3,0.000001)
    dst = cv2.dilate(dst,None)
    corners = dst > corners_threshold * dst.max()

    # Draw lines to close the rooms off by adding a line between corners on the same x or y coordinate
    # This gets some false positives.
    # Can try disallowing drawing through other existing lines, need to test.
    for y,row in enumerate(corners):
        x_same_y = np.argwhere(row)
        for x1, x2 in zip(x_same_y[:-1], x_same_y[1:]):

            if x2[0] - x1[0] < room_close:
                color = 0
                cv2.line(img, (x1, y), (x2, y), color, 1)

    for x,col in enumerate(corners.T):
        y_same_x = np.argwhere(col)
        for y1, y2 in zip(y_same_x[:-1], y_same_x[1:]):
            if y2[0] - y1[0] < room_close:
                color = 0
                cv2.line(img, (x, y1), (x, y2), color, 1)


    # Mark the outside of the house as black
    contours, _ = cv2.findContours(~img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    contour_sizes = [(cv2.contourArea(contour), contour) for contour in contours]
    biggest_contour = max(contour_sizes, key=lambda x: x[0])[1]
    mask = np.zeros_like(mask)
    cv2.fillPoly(mask, [biggest_contour], 255)
    img[mask == 0] = 0

    # Find the connected components in the house
    ret, labels = cv2.connectedComponents(img)
    img = cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)
    unique = np.unique(labels)
    rooms = []
    for label in unique:
        component = labels == label
        if img[component].sum() == 0 or np.count_nonzero(component) < gap_in_wall_threshold:
            color = 0
        else:
            rooms.append(component)
            color = np.random.randint(0, 255, size=3)
        img[component] = color

    return rooms, img

#Read gray image
img = cv2.imread('output16.png', 0)
rooms, colored_house = find_rooms(img.copy())
cv2.imshow('result', colored_house)
cv2.waitKey()
cv2.destroyAllWindows()

将numpy导入为np
def查找房间（img，降噪=10，角点阈值=0.0000001，
房间关闭=2，墙壁中的间隙=0.000001）：
#：param img：房间的灰度图像，已腐蚀，门已拆除等。
#：param noise_reduction：去除的噪声量。
#：param corners_threshold：要保留的角，值越高=移除的房屋越多。
#：param room_close：关闭打开的门所需添加的最大线条长度。
#：param gap_in_wall_threshold：将构件标识为房间而不是墙中的孔的最小像素数。
#：return:rooms：包含每个检测到的房间的布尔掩码的numpy数组列表
#彩色房子：给房间一个颜色。
断言0降噪：
cv2.fillPoly（掩模，[轮廓]，255）
img=~面具
#检测角点（您可以在此处使用参数）
#哈里斯角点检测
dst=cv2.0（img，4,3,0.000001）
dst=cv2.扩张（dst，无）
角点=dst>角点_阈值*dst.max（）
#通过在相同x或y坐标的角点之间添加一条线来绘制线以关闭房间
#这会得到一些误报。
#可以尝试禁止通过其他现有线绘制，需要测试。
对于y，枚举中的行（角点）：
x_same_y=np.argwhere（行）
对于压缩中的x1，x2（x_same_y[：-1]，x_same_y[1:]）：
如果x2[0]-x1[0]<房间关闭：
颜色=0
cv2.线（img，（x1，y）、（x2，y），颜色，1）
对于x，枚举中的列（corners.T）：
y_same_x=np.argwhere（col）
对于邮政编码中的y1、y2（y_same_x[：-1]，y_same_x[1:]）：
如果y2[0]-y1[0]<房间关闭：
颜色=0
cv2.线（img，（x，y1），（x，y2），颜色，1）
#把房子外面标记为黑色
等高线，u=cv2.查找等高线（~img，cv2.RETR\u外部，cv2.CHAIN\u近似值\u简单值）
轮廓尺寸=[（cv2.轮廓面积（轮廓），轮廓）用于轮廓中的轮廓]
最大轮廓=最大（轮廓尺寸，键=λx:x[0]）[1]
掩码=np.类零（掩码）
cv2.fillPoly（掩模，[最大轮廓]，255）
img[mask==0]=0
#找到房子里连接的部件
ret，标签=cv2。连接组件（img）
img=cv2.cvt颜色（img，cv2.COLOR\u GRAY2RGB）
唯一=np.唯一（标签）
房间=[]
对于唯一的标签：
组件=标签==标签
如果img[component].sum（）==0或np.count\u非零（component）

好的，假设您使用OpenCV阅读分割的图片：

import cv2
import numpy as np

# reading the segmented picture in coloured mode
image = cv2.imread("path/to/segmented/coloured/picture.jpg", cv2.IMREAD_COLOR)

现在，假设您知道整个图片的大小（以平方米为单位），例如，如果图片反射的总面积为150m x 70m，则总面积为150x70=10500m²。让我们将其声明为一个变量：

total_size = 10500

您还想知道图片中的像素总数。例如，如果您的图片是750*350像素，则您有：262500像素。您可以通过以下方式实现：

total_number_of_pixels = image.shape[0]*image.shape[1]

现在，正如我在评论中所说，您还想知道分割图片中每个独特颜色的像素数，您可以使用：

# count all occurrences of unique colours in your picture
unique, counts = np.unique(image.reshape(-1, image.shape[2]), axis=0, return_counts=True)

coloured_pixel_counts = sorted(zip(unique, counts), key=lambda x: x[1]))

现在，你所要做的就是一个交叉乘法，可以用这样的方法来完成：

rooms = []
for colour, pixel_count in coloured_pixel_counts:
     rooms.append((colour, (pixel_count/total_number_of_pixels)*total_size))

您现在应该有一份所有颜色的列表，以及该颜色房间的相应近似大小（以平方米为单位）

现在，请注意，但是，您可能必须将此列表子集为您感兴趣的颜色，因为在您分割的图片中，有些颜色似乎并没有真正链接到房间

---

请再次询问是否有任何不清楚的地方

因此测量将基于像素，您需要知道要“测量”的颜色的RGB值的最大和最小范围。我在您的图像上运行此代码，以查找绿色区域占整个房屋面积的百分比，结果如下：

过滤后的像素数为：331213，占房屋面积的%5

---

计算给定颜色的像素是否可行？比如，如果你有以米为单位的整个图片的尺寸，你可以简单地计算一种颜色的像素数与图片中像素总数的比率？它可能不精确，但由于图像分割很少，我认为它可以工作？我想是的，但我如何让它测量所有房间，并指出紫色房间是x m^2，蓝色房间是y m^2？好的，对于分割图像中的每种不同颜色，你计算图片中该颜色的像素数，然后你把这个数字除以图片中的像素总数，这样就得到了一个比率。然后，乘以图片的总尺寸（以平方米为单位）！你想让我发布一个更清楚的答案吗？我想这会很有帮助，因为我大致了解了测量长度的工作原理，但我不确定如何让它告诉我测量属于哪个房间。谢谢为了澄清，我需要定义什么是形状吗？因为它告诉我什么是未定义的。它到底在哪里说它是未定义的呢？哦，等等，我的糟糕，大脑今天工作得不太好，哈哈，是吗

import cv2
import numpy as np
import math

img = cv2.imread('22I7X.png')
#Defining wanted color range
filteredColorMin = np.array([36,0,0], np.uint8) #Min range
filteredColorMax = np.array([70, 255,255], np.uint8) #High range
#Find all the pixels in the wanted color range
dst = cv2.inRange(img, filteredColorMin, filteredColorMax)
#count non-zero values from filtered range
numFilteredColor = cv2.countNonZero(dst)
#Getting total number of pixels in image to get the percentage of the filtered pixels from the total pixels
numTotalPixels=img.shape[0] *img.shape[1]

print('The number of filtered pixels is: ' + str(numFilteredColor) + " Which counts for %" + str(math.ceil((numFilteredColor/numTotalPixels)*100)) + " of the house")
cv2.imshow("original image",img)
cv2.waitKey(0)