Python 计算图像中两个像素之间的距离

我试图计算两个像素之间的距离，但是用一种特定的方法。我需要知道图像中红线的厚度，所以我的想法是按列遍历图像，找到两个边缘点的坐标并计算它们之间的距离。对两行（顶部和底部）执行此操作。对每列执行此操作，然后计算平均值。 我还应该做一个从像素到真实比例的转换

这是我目前的代码：

# Make numpy array from image
npimage = np.array(image)

# Describe what a single red pixel looks like
red = np.array([255, 0, 0], dtype=np.uint8)   

firs_point = 0
first_find = False
for i in range(image.width):
    column = npimage[:,i]
    for row in column:
        comparison = row == red
        equal_arrays = comparison.all()
        if equal_arrays == True and first_find == False:
                first_x_coord = i
                first_find = True

我找不到坐标。有人能帮我吗？当然，如果有更好的计算方法，我很乐意接受这些建议。我是新来的！ 多谢各位

使用opencv：

img = cv2.imread(image_path)
average_line_width = np.average(np.count_nonzero((img[:,:,:]==np.array([0,0,255])).all(2),axis=0))/2
print(average_line_width)

使用pil

img = np.asarray(Image.open(image_path))
average_line_width = np.average(np.count_nonzero((img[:,:,:]==np.array([255,0,0])).all(2),axis=0))/2
print(average_line_width)

两种情况下的输出：

18.430701754385964

---

我不确定我是否得到了它，但我使用了joostblack的答案来计算两条线的平均厚度（以像素为单位）。以下是我的代码和注释：

import numpy as np

## Read the image
img = cv2.imread('img.png')

## Create a mask on the red part (I don't use hsv here)
lower_val = np.array([0,0,0])
upper_val = np.array([150,150,255])
mask = cv2.inRange(img, lower_val, upper_val)

## Apply the mask on the image
only_red = cv2.bitwise_and(img,img, mask= mask)


gray = cv2.cvtColor(only_red, cv2.COLOR_BGR2GRAY) 
  
## Find Canny edges 
edged = cv2.Canny(gray, 30, 200) 

## Find contours
img, contours, hier = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 


## Select contours using a bonding box
coords=[]
for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    if w>10:
        ## Get coordinates of the bounding box is width is sufficient (to avoid noise because you have a huge red line on the left of your image)
        coords.append([x,y,w,h])

## Use the previous coordinates to cut the image and compute the average thickness for one red line using the answer proposed by joostblack
for x,y,w,h in coords:
    average_line_width = np.average(np.count_nonzero(only_red[y:y+h,x:x+w],axis=0))
    print(average_line_width)
    ## Show you the selected result
    cv2.imshow('image',only_red[y:y+h,x:x+w])
    cv2.waitKey(0)

---

第一个是平均6.34像素，第二个是5.94像素（在y轴上）。如果你想要更精确的东西，你需要改变这个公式

一种方法是计算红色像素的中轴（中心线）。然后，因为这条线是1px宽，所以中心线像素的数量给出了红线的长度。如果还计算红色像素数，则可以使用以下方法轻松确定平均线厚度：

average thickness = number of red pixels / length of red lines

代码如下所示：

#!/usr/bin/env python3

import cv2
import numpy as np
from skimage.morphology import medial_axis

# Load image
im=cv2.imread("Dc4zq.png")

# Make mask of all red pixels and count them
mask = np.alltrue(im==[0,0,255], axis=2)  
nRed = np.count_nonzero(mask)

# Get medial axis of red lines and line length
skeleton = (medial_axis(mask*255)).astype(np.uint8)
lenRed = np.count_nonzero(skeleton)
cv2.imwrite('DEBUG-skeleton.png',(skeleton*255).astype(np.uint8))

# We now know the length of the red lines and the total number of red pixels
aveThickness = nRed/lenRed
print(f'Average thickness: {aveThickness}, red line length={lenRed}, num red pixels={nRed}')

这将提供如下骨架：

样本输出

Average thickness: 16.662172878667725, red line length=1261, num red pixels=21011

---

正确屏蔽所有红色像素后，可以计算该屏蔽中每列的累积和：

在每一条红线下面，都有一个大面积的常量值：在第一条红线下面，它是该红线的厚度。在第二条红线下方，是两条红线的累积厚度，依此类推（如果有更多的红线）

因此，现在，对于每一列，根据累积和计算直方图，并过滤掉这些峰值；去掉直方图中的

0

，那将是顶部的大黑色区域。对于每列，您可以获得所有红线的上述（累积）厚度值。其余部分是提取实际的单个厚度值，并计算所有这些值的平均值

这是我的密码：

导入cv2
将numpy作为np导入
#读取图像
img=cv2.imread（'Dc4zq.png'）
#遮罩RGB纯红色
掩码=（img==[0,0,255]）。全部（轴=2）
#我们查两行
n=2
#每列的累积总和
cs=np.cumsum（掩码，轴=0）
#每列的厚度值
tvs=np.zero（（n，img.shape[1]））
对于范围内的c（img.形状[1]）：
#计算列的累积和直方图
hist=np.直方图（cs[：，c]，bins=np.arange（img.shape[1]+1））
#获取n个最大直方图值
#这些是柱的单个厚度值
tv=np.sort（np.argsort（hist[0][1:]）[：：-1][0:n]+1）
电视
tvs[：，c]=tv
#获取平均厚度值
mtv=np.平均值（tvs.展平（）
打印（“平均厚度值：”，mtv）

最终结果是：

平均厚度值：18.92982456140351

----------------------------------------
系统信息
----------------------------------------
平台：Windows-10-10.0.16299-SP0
Python:3.9.1
NumPy:1.20.1
OpenCV:4.5.1
----------------------------------------

---

编辑：我将提供有关“NumPy魔术”的更多细节

#计算单列累积和的直方图
hist=np.直方图（cs[：，c]，bins=np.arange（img.shape[1]+1））

这里，

bin

表示直方图的间隔，即

[0,1]

，

[1,2]

，等等。要获得最后一个间隔

[569570]

，您需要在

np.arange

调用中使用

img.shape[1]+1

，因为在

np.arange

中不包括正确的限制

#从bin 1开始获取实际直方图
hist=hist[0][1:]

通常，

np.histogram

返回一个元组，其中第一个元素是实际的直方图。我们提取它，只查看所有比

0

大的箱子（请记住，大的黑色区域）

现在，让我们分解此代码：

tv=np.sort（np.argsort（hist[0][1:）[：：-1][0:n]+1）

这一行可以重写为：

#从bin 1开始获取实际直方图
hist=hist[0][1:]
#得到排序直方图的指标；这些是真正的垃圾箱
hist_idx=np.argsort（hist）
#反转找到的索引，因为我们需要具有最高计数的箱子
hist_idx=hist_idx[：-1]
#根据该索引，我们只需要前n个元素（假设有n条红线）
hist_idx=hist_idx[：n]
#添加1，因为我们剪切了0 bin
hist_idx=hist_idx+1
#作为准备：对（累积）厚度值进行排序
tv=np.sort（历史idx）

现在，我们已经有了每列的（累积）厚度值。要重建实际的单个厚度值，我们需要累积和的“倒数”。关于这个话题有很多问题

#累积总和的“倒数”，以重建实际厚度值
电视
#在“全局”数组中保存厚度值
tvs[：，c]=tv

您希望这是自动的吗？你想知道红线的最大厚度，le min还是平均值？是的，我的想法是让它自动化！我认为平均值是最具代表性的。为什么不尝试在R通道上设置阈值呢？是的，我在考虑R为白色，其余为黑色的二值化，但我不知道如何去掉宽度：/要转换为真实比例，你需要知道图像中某物的真实大小！非常感谢：）你能解释一下这个函数是如何工作的吗？为什么要使用img[：，：，2]并将结果除以2？这是按列通过图像的吗？它计算红色圆周率