python opencv学习笔记之数米粒，并返回每一个米粒的位置面积及总个数平均面积

之前曾经写过一道数米粒的作业，当时用的是c++中的opencv，这次用python试了一下。

咦？水印怎么去啊

1.读取图片
2.灰度化
3.二值化
4.膨胀、腐蚀等
5.边缘检测
6.输出

用imread加上绝对路径进行读取

# 读取
img_rice = cv2.imread("d:/Python/rice/rice2.jpg")
cv2.imshow('rice', img_rice)

基本的灰度化函数

# 灰度化
img_gray = cv2.cvtColor(img_rice, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', img_rice)

这个最好画出直方图，从直方图中选取合适的阈值，需要调整

# 二值化
ret,thresh1 = cv2.threshold(img_gray, 123, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh', thresh1)

矩阵的结构元素，以及腐蚀、膨胀的迭代次数要注意

# 腐蚀和膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(2,2))         #定义矩形结构元素

img_erode = cv2.erode(thresh1, kernel, iterations=3)
# cv2.imshow('erode', img_erode)

img_dilated = cv2.dilate(img_erode, kernel)

在边缘检测中对面积进行筛选，如果面积小于20，则认为不是米粒，如果面积大于150，则认为两个粘连，没有分开，具体的参数选取可以输出全部的面积之后再定，比如函数中加入

print(area)

用count统计个数
用ave_area统计面积

# 边缘检测
contours, hierarchy = cv2.findContours(img_dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

count = 0
ave_area = 0
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if area > 20:
        
        count = count + 1
        ave_area = ave_area + area
        rect = cv2.boundingRect(contours[i]) #提取矩形坐标

        print("number:{} x:{} y:{} area:{}".format(count,rect[0],rect[1], area))#打印坐标

        cv2.rectangle(img_rice,rect,(0,255,0),1)#绘制矩形
        if area > 150:
            count = count + 1
            cv2.putText(img_rice,str({count,count-1}), (rect[0], rect[1]), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) #在米粒左上角写上编号
        else:

            cv2.putText(img_rice,str(count), (rect[0], rect[1]), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) #在米粒左上角写上编号

    

输出总个数和平均面积

ave_area = ave_area / count
# 输出
print('总个数是：{}，平均面积是：{}'.format(count,ave_area))
cv2.imshow("Contours", img_rice)

完整代码如下：

from cv2 import cv2

# 读取
img_rice = cv2.imread("d:/Python/rice/rice2.jpg")
cv2.imshow('rice', img_rice)
# 灰度化
img_gray = cv2.cvtColor(img_rice, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', img_rice)
# 二值化
ret,thresh1 = cv2.threshold(img_gray, 123, 255, cv2.THRESH_BINARY)
cv2.imshow('thresh', thresh1)

# 腐蚀和膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(2,2))         #定义矩形结构元素

img_erode = cv2.erode(thresh1, kernel, iterations=3)
# cv2.imshow('erode', img_erode)

img_dilated = cv2.dilate(img_erode, kernel)
# 边缘检测
contours, hierarchy = cv2.findContours(img_dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

count = 0
ave_area = 0
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if area > 20:
        
        count = count + 1
        ave_area = ave_area + area
        rect = cv2.boundingRect(contours[i]) #提取矩形坐标

        print("number:{} x:{} y:{} area:{}".format(count,rect[0],rect[1], area))#打印坐标

        cv2.rectangle(img_rice,rect,(0,255,0),1)#绘制矩形
        if area > 150:
            count = count + 1
            cv2.putText(img_rice,str({count,count-1}), (rect[0], rect[1]), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) #在米粒左上角写上编号
        else:

            cv2.putText(img_rice,str(count), (rect[0], rect[1]), cv2.FONT_HERSHEY_COMPLEX, 0.4, (0, 255, 0), 1) #在米粒左上角写上编号

    
ave_area = ave_area / count
# 输出
print('总个数是：{}，平均面积是：{}'.format(count,ave_area))
cv2.imshow("Contours", img_rice)

cv2.waitKey(0)
cv2.destroyAllWindows()