編程實戰（4）——python識別影像中的坐標點并保存坐標資料

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資料，因此對這方面做了一些了解，在研究的程序中，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式的功能，所以我打算寫一篇比較詳細的文章，

本文主要講述利用python介面的opencv來完成影像識別和資訊提取并重新繪制、保存為excel資料的詳細程序與思路，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式的一些解釋；

總體思路如下：

• 第一：圖片預處理，讓影像二極化；
• 第二：提取圖片資料
• 第三步：資料整理與保存

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（沒見過這個影像格式的可以百度一下），以便后面的影像二值化處理；

上面是我用到的影像，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；

影像細化

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

影像細化我是直接參考一個博客的代碼的，這里做一個參考：影像細化，骨架提取

寫的相當棒，大家可以參考一下，

影像二極化

這里我用到了一個cv庫中的inRange函式，這個函式的功能是對讀入的影像檔案（即函式第一個引數）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的影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函式里面的引數剛好就是色調、飽和度和明度值，因為inRange函式的需要，我們要轉化成numpy格式的陣列，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，就是我們需要提取資料的影像了~

提取資料

為了幫助大家理解，我們先列印看一下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]

可以看到影像是1024*654的，還有每一行的像素點都是一個numpy陣列（numpy陣列列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（每一項只有一個資料，而不是三個陣列成的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，很多影像存盤資料是從下往上存盤的，所以我們在獲取列號的時候，需要用影像的高度減去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影像資料，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 xlwt

wb = xlwt.Workbook()

ws = wb.add_sheet('sheet1') # 添加一個表

ws.write(0, 0, "x") # 寫入資料，3個引數分別為行號，列號，和內容
ws.write(0, 1, "y")

i = 1 #指標，每寫一個資料，向下移動寫指標一行
for x in list_x:
    ws.write(i, 0, x)
    i += 1

j = 1
for y in list_y:
    ws.write(j, 1, y)
    j += 1

wb.save('1111.xls')

可以看到資料已經保存進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，如果需要做函式分析之類的操作，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，

全部原始碼

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

img = 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 += 1

j = 1
for y in list_y:
    ws.write(j, 1, y)
    j += 1

wb.save('1111.xls')