Python 将图像中的红线转换为numpy列表

我想测量此管道中检测到的物体与地面的高度差。较低的红线应为最小高度的标记。我想我可以先把下面的红线转换成一个numpy列表，但我该怎么做呢？红色圆圈是使用

cv2.circle（）

函数绘制的

编辑：

多亏了ZdaR，我离解决问题更近了。这是他为使用python3而改写的解决方案：

import cv2
import numpy as np


def get_center(arr):
    return sum(arr)/len(arr)


def get_cluster_centers(arr, tolerance):
    clusters = [[arr[0]]]

    for ele in arr[1:]:
        if abs(clusters[-1][0] - ele) < tolerance:
            clusters[-1].append(ele)
        else:
            clusters.append([ele])

    clusters_centers = map(get_center, clusters)
    return clusters_centers


img = cv2.imread("/home/artur/Desktop/0.png")

# Segment the red color
mask = cv2.inRange(img, np.array([0, 0, 255]), np.array([0, 0, 255]))

for i in mask:
    print(i)

# Let's iterate the middle column and get the distance between the two red lines.
half_width = int(mask.shape[1]/2)
middle_column = mask[:, half_width]

idx = np.where(middle_column == 255)

# Since the width of line is not 1 px so we need to cluster the pixels to get a single center value.
centers = list(get_cluster_centers(idx[0], 5))

if len(centers) == 2:
    print("Distance between lines:", centers[1] - centers[0], "px")

导入cv2
将numpy作为np导入
def get_中心（arr）：
返回金额（arr）/长度（arr）
def get_集群_中心（arr，公差）：
集群=[[arr[0]]]
对于arr[1:]中的ele：
如果abs（簇[-1][0]-ele）<公差：
群集[-1]。追加（ele）
其他：
clusters.append（[ele]）
集群\中心=地图（获取\中心，集群）
返回中心
img=cv2.imread（“/home/artur/Desktop/0.png”）
#分割红色
mask=cv2.inRange（img，np.array（[0,0,255]），np.array（[0,0,255]））
对于面具中的i：
印刷品（一）
#让我们迭代中间的列，得到两条红线之间的距离。
半宽度=int（掩码形状[1]/2）
中间列=遮罩[：，半宽度]
idx=np。其中（中间列==255）
#因为线条的宽度不是1像素，所以我们需要对像素进行聚类以获得单个中心值。
中心=列表（获取集群中心（idx[0]，5））
如果len（中心）==2：
打印（“行间距：”，中心[1]-中心[0]，“px”）

---

它借助图像的中间列测量上下红线之间的像素距离。我如何迭代所有列以确定这两条线之间的最小距离或更好的距离，即检测到的对象和较低的红线之间的距离？这个解决方案只考虑中间列，对吗？

您可以先从输入图像中分割红色，得到一个二值遮罩，然后假设您的红线位于输入图像的中心，我们取该图像的中心列，并在该列上迭代以查找红点位置，然后简单地查找以像素为单位的距离，如下所示：

import cv2
import numpy as np


def get_center(arr):
    return sum(arr)/len(arr)


def get_cluster_centers(arr, tolerance):
    clusters = [[arr[0]]]

    for ele in arr[1:]:
        if abs(clusters[-1][0] - ele) < tolerance:
            clusters[-1].append(ele)
        else:
            clusters.append([ele])

    clusters_centers = map(get_center, clusters)
    return clusters_centers


img = cv2.imread("/home/anmol/Downloads/HK3WM.png")

# Segment the red color
mask = cv2.inRange(img, np.array([0, 0, 255]), np.array([0, 0, 255]))

# Let's iterate the middle column and get the distance between the two red lines.
half_width = mask.shape[1]/2
middle_column = mask[:, half_width]

idx = np.where(middle_column == 255)

# Since the width of line is not 1 px so we need to cluster the pixels to get a single center value.
centers = get_cluster_centers(idx[0], 5)

if len(centers) == 2:
    print "Distance between lines:", centers[1] - centers[0], "px"

导入cv2
将numpy作为np导入
def get_中心（arr）：
返回金额（arr）/长度（arr）
def get_集群_中心（arr，公差）：
集群=[[arr[0]]]
对于arr[1:]中的ele：
如果abs（簇[-1][0]-ele）<公差：
群集[-1]。追加（ele）
其他：
clusters.append（[ele]）
集群\中心=地图（获取\中心，集群）
返回中心
img=cv2.imread（“/home/anmol/Downloads/HK3WM.png”）
#分割红色
mask=cv2.inRange（img，np.array（[0,0,255]），np.array（[0,0,255]））
#让我们迭代中间的列，得到两条红线之间的距离。
半宽度=遮罩形状[1]/2
中间列=遮罩[：，半宽度]
idx=np。其中（中间列==255）
#因为线条的宽度不是1像素，所以我们需要对像素进行聚类以获得单个中心值。
中心=获取群集中心（idx[0]，5）
如果len（中心）==2：
打印“线间距：”，中心[1]-中心[0]，“px”

---

PS：如果这还不能解释一些问题，我会很匆忙。请在评论中随意提问。

你所说的“将红线转换为numpy列表”到底是什么意思？您想要圆周上所有像素的（x，y）坐标数组吗？因为你知道圆心和半径，以及定义圆的方程式，你可以很容易地计算它们一个懒散的处理方法就是把圆圈（没有那么粗）画成一个黑色的图像，谢谢你的回答。请查看我文章的编辑部分。