本文提供了一种利用opencv计算条形物体长度的方法，思路新奇，实现简单，同时也提供了代码实现。
目录
0、前言
1、解决步骤
1.1 利用分割方法得到物体mask
1.2 提取骨骼线
1.3 计算骨架线长度
2、验证
0、前言
在图像处理中，我们可能会遇到求一个线条长度的场景，比如，现在有一条裂缝，需要求其长度，或者有一个长条形的零件需要知道其长度。
本文利用OpenCV和skimage两个库，提供了一个解决方案。
1、解决步骤
主要步骤包括三个部分：
- 获取物体mask；
- 提取骨骼线；
- 计算骨骼线长度；
其中，提取骨骼线的方法为：
def skeletonize(image, *, method=None):
"""Compute the skeleton of a binary image.
Thinning is used to reduce each connected component in a binary image
to a single-pixel wide skeleton.
Parameters
----------
image : ndarray, 2D or 3D
An image containing the objects to be skeletonized. Zeros
represent background, nonzero values are foreground.
method : {'zhang', 'lee'}, optional
Which algorithm to use. Zhang's algorithm [Zha84]_ only works for
2D images, and is the default for 2D. Lee's algorithm [Lee94]_
works for 2D or 3D images and is the default for 3D.
Returns
-------
skeleton : ndarray
The thinned image.
See Also
--------
medial_axis
References
----------
.. [Lee94] T.-C. Lee, R.L. Kashyap and C.-N. Chu, Building skeleton models
via 3-D medial surface/axis thinning algorithms.
Computer Vision, Graphics, and Image Processing, 56(6):462-478, 1994.
.. [Zha84] A fast parallel algorithm for thinning digital patterns,
T. Y. Zhang and C. Y. Suen, Communications of the ACM,
March 1984, Volume 27, Number 3.
Examples
--------
>>> X, Y = np.ogrid[0:9, 0:9]
>>> ellipse = (1./3 * (X - 4)**2 + (Y - 4)**2 < 3**2).astype(np.uint8)
>>> ellipse
array([[0, 0, 0, 1, 1, 1, 0, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 1, 1, 1, 1, 1, 0, 0],
[0, 0, 0, 1, 1, 1, 0, 0, 0]], dtype=uint8)
>>> skel = skeletonize(ellipse)
>>> skel.astype(np.uint8)
array([[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 1, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)
"""计算骨骼线长度的方法，我们用到了 cv2.arcLength这个函数，但是它求得的是mask的周长；对于骨骼线，其周长其实就是长度的两倍，因此我们调用cv2.arcLength得到的结果需要除以2。cv2.arcLength定义如下：
def arcLength(curve, closed): # real signature unknown; restored from __doc__
"""
arcLength(curve, closed) -> retval
. @brief Calculates a contour perimeter or a curve length.
.
. The function computes a curve length or a closed contour perimeter.
.
. @param curve Input vector of 2D points, stored in std::vector or Mat.
. @param closed Flag indicating whether the curve is closed or not.
"""1.1 利用分割方法得到物体mask
这部分根据不同的业务需求，选用不同的方法，可以用深度学习相关的模型进行分割，也可以用传统方法得到；这部分不做过多介绍，总之可以得到一个mask。
1.2 提取骨骼线
对得到的mask，利用skimage库进行骨骼线提取：
from skimage.morphology import skeletonize
def get_skeleton(blobs):
"""
骨骼提取
"""
skeleton = skeletonize(blobs) # ndarray, 为TRUE的元素代表骨骼线的位置
skeleton_pts = np.argwhere(skeleton)
return skeleton, skeleton_pts这时，可以得到一个二值化的骨架图：
1.3 计算骨架线长度
对于上一步得到的二值化骨架图，先转化为mask（注意，这里的mask是宽度为1个像素的骨架图的mask），然后求轮廓，最后对于每个轮廓求周长的1/2，加起来即为整个骨架线的长度：
import cv2
import numpy as np
length = 0
# 求skeleton
s_skeleton, s_skeleton_pts = get_skeleton(s_instance)
# 利用骨骼线得到轮廓
s_bpixel = np.zeros_like(s_skeleton, dtype=np.uint8)
s_bpixel[s_skeleton] = 255
s_contours, _ = cv2.findContours(s_bpixel, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 计算长度
for s_contour in s_contours:
length += cv2.arcLength(s_contour, True) / 2
print("长度：", length)这里主要是将线条长度计算的问题转换成了线条周长的计算，这样就可以利用cv2.arcLength来计算周长再除以2即为长度。
2、验证
为了验证方法的有效性，可以人工绘制一些简单的线条，然后利用上面的方法求一下长度，即可知道是否计算正确；以下是一些验证的示例：
给出一些示例（“=” 前后分别为：arcLength算出来的值、人为解释）：
a. 5.656854152679443 = 4*sqrt(2)
b. 7.242640614509582 = 3*sqrt(2) + 3
c. 4.2426406145095825 = 3*sqrt(2)
d. 9.485281374238571 = 2*3*sqrt(2) + 1
e. 11.899494936611665 = （3 + 1 + 3）* sqrt(2) + 2
f. 5.656854249492381 = 4 * sqrt(2)
参考：
Morphological Filtering — skimage 0.22.0 documentation文章来源：https://www.toymoban.com/news/detail-605871.html
cv2.arcLength() -- OpenCV | We all are data.文章来源地址https://www.toymoban.com/news/detail-605871.html
到了这里，关于利用OpenCV计算条形物体的长度的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
