編程實戰（4）——python識別圖像中的坐標點并保存坐標數據

文章目錄

• 編程實戰（4）——python識別圖像中的坐標點并保存坐標數據
• • • 綜述
    • 代碼思路
    • • 庫的安裝
      • 圖片預處理
      • • 圖像細化
        • 圖像二極化
      • 提取數據
      • 結果展示和保存
      • • matplotlib重繪
        • 寫入excel
    • 全部源碼

綜述

最近因為美賽的需求，需要在提取一些賽道的路線圖和地形圖中的準確數據，因此對這方面做了一些了解。在研究的過程中，我發現網上的很多相關的帖子并不是很靠譜，不是報錯就是沒有說清楚一些函數的功能，所以我打算寫一篇比較詳細的文章。

本文主要講述利用python接口的opencv來完成圖像識別和信息提取并重新繪制、保存為excel數據的詳細過程與思路，適合opencv方面的小白觀看（需要一定的numpy和matplotlib基礎）。如有一些疏漏，請大佬們指出~

代碼思路

我會跟著我代碼的思路逐一講解每一步的思路和函數的一些解釋；

總體思路如下：

• 第一：圖片預處理，讓圖像二極化；
• 第二：提取圖片數據
• 第三步：數據整理與保存

庫的安裝

這里一共用了三個庫

import cv2 import numpy as np import matplotlib.pyplot as plt

numpy和matplotlib的安裝都比較常規，但是cv2的安裝不是常規的pip install cv2，是opencv-python，國內鏡像下載地址：

pip3 install -i https://mirrors.aliyun.com/pypi/simple/ opencv-python

圖片預處理

img = cv2.imread('你的圖片路徑') hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

首先打開圖片，然后對圖片做一個hsv灰度圖的處理，因為我們常規的圖片像素點都是rbg空間模式的，我們需要先轉化為hsv顏色空間模式（沒見過這個圖像格式的可以百度一下），以便后面的圖像二值化處理；

上面是我用到的圖像，這是東京奧運會公路自行車比賽的路線圖，我們要做的就是提取路線像素并坐標化；

圖像細化

如果說要處理的圖像的線條很粗，那就會影響后面的識別過程，需要先進行圖像細化；如果原本圖的線條就很細（比如我的），那就可以跳過這一步。

圖像細化我是直接參考一個博客的代碼的，這里做一個引用：圖像細化，骨架提取

寫的相當棒，大家可以參考一下。

圖像二極化

這里我用到了一個cv庫中的inRange函數，這個函數的功能是對讀入的圖像文件（即函數第一個參數）做一個二值化處理。

總的來說就是我們需要規定兩個閾值lowerb和upperb，大于upperb和小于lowerb的圖像像素點均會被轉化為0（即黑色），在這個范圍內的點被轉化為255（白色）；

low_hsv = np.array([0, 0, 221]) high_hsv = np.array([180, 30, 255]) mask = cv2.inRange(hsv, lowerb=low_hsv, upperb=high_hsv)

我們再來詳細的講一下這兩個閾值，如果了解hsv顏色空間的話，很容易可以發現代碼的前兩行就是hsv顏色空間的兩個值，numpy.array函數里面的參數剛好就是色調、飽和度和明度值，因為inRange函數的需要，我們要轉化成numpy格式的數組。我這里需要提取所有黑色的坐標，所以設的是黑色與白色的閾值，大家可以根據自己的需求調整顏色閾值。

閾值參考：HSV基本顏色分量范圍

這里的mask，就是我們需要提取數據的圖像了~

提取數據

為了幫助大家理解，我們先打印看一下mask的具體情況：

print(len(mask)) print(len(mask[0])) for i in range(len(mask)):print(mask[i])

輸出：

654 1024 [255 255 255 ... 255 255 255] [255 255 255 ... 255 255 255] ... [255 255 255 ... 255 255 255] [255 255 255 ... 255 255 255] [255 255 255 ... 255 255 255]

可以看到圖像是1024*654的，還有每一行的像素點都是一個numpy數組（numpy數組打印出來元素之間是沒有用逗號間隔的），之前24位的hsv圖，變成了8位的灰度圖（每一項只有一個數據，而不是三個數組成的array）；

我們要做的是要知道每一個黑色的像素點的橫縱坐標，即在mask這個像素矩陣中，獲取值為0的行號和列號。

方法也很簡單，直接遍歷每一個像素，找到值為0的像素點，存取列號和行號即可；

list_y = [] list_x = []for i in range(len(mask)):#print(mask[i])xmax = []for j in range(len(mask[i])):if mask[i][j] == 0:#print(mask[i][j],j,i)list_x.append(j)list_y.append(len(mask)-i)

這里需要注意，很多圖像存儲數據是從下往上存儲的，所以我們在獲取列號的時候，需要用圖像的高度減去mask的列號，才是真正的列號。

結果展示和保存

matplotlib重繪

檢驗一下我們獲取的圖像數據，注意這里需要用散點圖模式繪圖，不然會有不太好的后果。。。

plt.plot(list_x, list_y, 'o', color='r') plt.show()

結果如下：

可以發現提取效果還是不錯的~~

寫入excel

這一部分的說明直接放到注釋里面了

import xlwtwb = xlwt.Workbook()ws = wb.add_sheet('sheet1') # 添加一個表ws.write(0, 0, "x") # 寫入數據，3個參數分別為行號，列號，和內容 ws.write(0, 1, "y")i = 1 #指針，每寫一個數據，向下移動寫指針一行 for x in list_x:ws.write(i, 0, x)i += 1j = 1 for y in list_y:ws.write(j, 1, y)j += 1wb.save('1111.xls')

可以看到數據已經保存進excel里面了

這一次提取其實還有一個小問題，就是相同的橫坐標下還是有多個對應該橫坐標的點，如果需要做函數分析之類的操作，我們可以直接用excel作按值分組然后去每組的特定值即可，最大值，平均值均可，看個人需求。

全部源碼

import cv2 import numpy as np import matplotlib.pyplot as plt import xlwtimg = cv2.imread('3.jpg') hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) low_hsv = np.array([0, 0, 221]) high_hsv = np.array([180, 30, 255]) mask = cv2.inRange(hsv, lowerb=low_hsv, upperb=high_hsv)print(len(mask)) print(len(mask[0]))list_y = [] list_x = []for i in range(len(mask)):print(mask[i])xmax = []for j in range(len(mask[i])):if mask[i][j] == 0:print(mask[i][j],j,i)list_x.append(j)list_y.append(len(mask)-i)plt.plot(list_x, list_y, 'o', color='r') plt.show()wb = xlwt.Workbook()ws = wb.add_sheet('sheet1')ws.write(0, 0, "x") ws.write(0, 1, "y") i = 1 for x in list_x:ws.write(i, 0, x)i += 1j = 1 for y in list_y:ws.write(j, 1, y)j += 1wb.save('1111.xls')

總結

以上是生活随笔為你收集整理的编程实战（4）——python识别图像中的坐标点并保存坐标数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。