使用照片中的参考对象测量对象的大小

Question

使用照片中的参考对象测量对象的大小

rkj*_*983 5 open-source image-processing photogrammetry

我想计算包含目标对象和参考对象的照片中对象的大小。

我认为我想做的是该软件实现的功能（我不知道该软件的精确程度） https://itunes.apple.com/us/app/photo-meter-picture-measuring/id579961082？吨= 8

通常，我已经发现它被称为摄影测量法，并且似乎是活跃的研究领域。

您将如何找到给定图像的对象的高度？ https://physics.stackexchange.com/questions/151121/can-i-calculate-the-size-of-a-real-object-by-just-look-at-the-picture-taken-b

但是，我找不到

用参照物测量照片中物体的基本方法是什么。
一种实现它或标准开源的方法。

更新资料

我无法利用物体与相机之间的距离和参考。
参照物和目标物在（大约）同一平面上。

Answer 1

Ale*_*son 7

由于您的假设参考和目标在（大约）同一平面上。您可以应用中描述的方法“算法1：平面测量”

安东尼奥·克里米尼西 “单视图计量：算法和应用（特邀论文）”。在：模式识别。埃德。作者：吕克范古尔卷。2449. 计算机科学讲义。Springer Berlin Heidelberg，2002 年，第 224-239 页。

该方法允许您测量位于同一平面上的两点之间的距离。

基本上

P=H*p (1)

Run Code Online (Sandbox Code Playgroud)

其中p是用齐次坐标表示的图像中的一个点，P是 3D 世界平面中的对应点，也用齐次坐标表示，H是一个 3x3 矩阵，称为单应矩阵，*是矩阵向量乘法。

    h11 h12 h13
H = h21 h22 h23
    h31 h32 h33

Run Code Online (Sandbox Code Playgroud)

的度量单位p是像素，因此例如如果p是行r和列的点，c它将表示为[r,c,1]。的度量P单位是您的世界单位，例如米，您可以假设您的 3D 世界平面是平面Z=0，因此P表示为齐次向量[X,Y,1]。

所以对“算法 1：平面测量”稍作修改。如下：

给定一个平面图像，估计图像到世界的单应矩阵 H。假设 H 的 9 个元素是无量纲的。
在图像中，选择两点p1=[r1,c1,1]，并p2=[r2,c2,1]属于参考对象。
通过（1）将每个图像点反投影到世界平面上，得到两个世界点P1和P2。您进行矩阵向量乘法，然后将结果向量除以第三个分量以获得齐次向量。例如P1=[X1,Y1,1]是P1=[(c1*h_12 + h_11*r1 + h_13)/(c1*h_32 + h_31*r1 + h_33),(c1*h_22 + h_21*r1 + h_23)/(c1*h_32 + h_31*r1 + h_33),1]。暂时假设的九个元素H是无量纲的，这意味着X1, Y1, X2,的度量单位Y2是像素。
计算和R之间的距离P1，P2即R=sqrt(pow(X1-X2,2)+pow(Y1-Y2,2)，R仍以像素表示。现在，由于P1和P2位于参考对象上，这意味着您知道它们之间的距离（以米为单位），我们称该距离（以米为单位表示）M。
计算比例因子s为s=M/R，的尺寸s为每像素米。
乘以Hby 的每个元素s并调用G您得到的新矩阵。现在，的元素以G每像素米表示。
现在，在图像中选择两个点p3，并p4属于目标对象。
反向项目p3和p4通过G以获得P3和P4。P3=G*p3和P4=G*p4。再次将每个向量除以它的第三个元素。 P3=[X3,Y3,1]和P4=[X4,Y4,1]现在X3，Y3，X4和Y4以米表示。
计算和D之间所需的目标距离P3，P4即D=sqrt(pow(X3-X4,2)+pow(Y3-Y4,2)。D现在以米表示。

上述论文的附录解释了如何计算H或例如您可以使用 OpenCV cv::findHomography：基本上您需要现实世界中的点和图像中的点之间至少有四个对应关系。

关于如何估计的另一个信息来源H是

JOHNSON, Micah K.；法里德，汉尼。来自单个图像的平面上的公制测量。部门计算。科学，达特茅斯学院，技术。众议员 TR2006-579，2006年。

如果您还需要估计测量的准确性，您可以在

A. 克里米尼西。来自单个和多个未校准图像的准确视觉计量。优秀论文系列。Springer-Verlag London Ltd.，2001 年 9 月。ISBN：1852334681。

使用 OpenCV 的 C++ 示例：

#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/calib3d/calib3d.hpp"


void to_homogeneous(const std::vector< cv::Point2f >& non_homogeneous, std::vector< cv::Point3f >& homogeneous )
{
    homogeneous.resize(non_homogeneous.size());
    for ( size_t i = 0; i < non_homogeneous.size(); i++ ) {
        homogeneous[i].x = non_homogeneous[i].x;
        homogeneous[i].y = non_homogeneous[i].y;
        homogeneous[i].z = 1.0;
    }
}

void from_homogeneous(const std::vector< cv::Point3f >& homogeneous, std::vector< cv::Point2f >& non_homogeneous )
{
    non_homogeneous.resize(homogeneous.size());
    for ( size_t i = 0; i < non_homogeneous.size(); i++ ) {
        non_homogeneous[i].x = homogeneous[i].x / homogeneous[i].z;
        non_homogeneous[i].y = homogeneous[i].y / homogeneous[i].z;
    }
}

void draw_cross(cv::Mat &img, const cv::Point center, float arm_length, const cv::Scalar &color, int thickness = 5 )
{
    cv::Point N(center - cv::Point(0, arm_length));
    cv::Point S(center + cv::Point(0, arm_length));
    cv::Point E(center + cv::Point(arm_length, 0));
    cv::Point W(center - cv::Point(arm_length, 0));
    cv::line(img, N, S, color, thickness);
    cv::line(img, E, W, color, thickness);
}

double measure_distance(const cv::Point2f& p1, const cv::Point2f& p2, const cv::Matx33f& GG)
{
    std::vector< cv::Point2f > ticks(2);
    ticks[0] = p1;
    ticks[1] = p2;
    std::vector< cv::Point3f > ticks_h;
    to_homogeneous(ticks, ticks_h);

    std::vector< cv::Point3f > world_ticks_h(2);
    for ( size_t i = 0; i < ticks_h.size(); i++ ) {
        world_ticks_h[i] = GG * ticks_h[i];
    }
    std::vector< cv::Point2f > world_ticks_back;
    from_homogeneous(world_ticks_h, world_ticks_back);

    return cv::norm(world_ticks_back[0] - world_ticks_back[1]);
}

int main(int, char**)
{
    cv::Mat img = cv::imread("single-view-metrology.JPG");
    std::vector< cv::Point2f > world_tenth_of_mm;
    std::vector< cv::Point2f > img_px;

    // Here I manually picked the pixels coordinates of the corners of the A4 sheet.
    cv::Point2f TL(711, 64);
    cv::Point2f BL(317, 1429);
    cv::Point2f TR(1970, 175);
    cv::Point2f BR(1863, 1561);

    // This is the standard size of the A4 sheet:
    const int A4_w_mm = 210;
    const int A4_h_mm = 297;
    const int scale = 10;

    // Here I create the correspondences between the world point and the
    // image points.
    img_px.push_back(TL);
    world_tenth_of_mm.push_back(cv::Point2f(0.0, 0.0));

    img_px.push_back(TR);
    world_tenth_of_mm.push_back(cv::Point2f(A4_w_mm * scale, 0.0));

    img_px.push_back(BL);
    world_tenth_of_mm.push_back(cv::Point2f(0.0, A4_h_mm * scale));

    img_px.push_back(BR);
    world_tenth_of_mm.push_back(cv::Point2f(A4_w_mm * scale, A4_h_mm * scale));

    // Here I estimate the homography that brings the world to the image.
    cv::Mat H = cv::findHomography(world_tenth_of_mm, img_px);

    // To back-project the image points into the world I need the inverse of the homography.
    cv::Mat G = H.inv();

    // I can rectify the image.
    cv::Mat warped;
    cv::warpPerspective(img, warped, G, cv::Size(2600, 2200 * 297 / 210));

    {
        // Here I manually picked the pixels coordinates of ticks '0' and '1' in the slide rule,
        // in the world the distance between them is 10mm.
        cv::Point2f tick_0(2017, 1159);
        cv::Point2f tick_1(1949, 1143);
        // I measure the distance and I write it on the image.
        std::ostringstream oss;
        oss << measure_distance(tick_0, tick_1, G) / scale;
        cv::line(img, tick_0, tick_1, CV_RGB(0, 255, 0));
        cv::putText(img, oss.str(), (tick_0 + tick_1) / 2, cv::FONT_HERSHEY_PLAIN, 3, CV_RGB(0, 255, 0), 3);
    }

    {
        // Here I manually picked the pixels coordinates of ticks '11' and '12' in the slide rule,
        // in the world the distance between them is 10mm.
        cv::Point2f tick_11(1277, 988);
        cv::Point2f tick_12(1211, 973);
        // I measure the distance and I write it on the image.
        std::ostringstream oss;
        oss << measure_distance(tick_11, tick_12, G) / scale;
        cv::line(img, tick_11, tick_12, CV_RGB(0, 255, 0));
        cv::putText(img, oss.str(), (tick_11 + tick_12) / 2, cv::FONT_HERSHEY_PLAIN, 3, CV_RGB(0, 255, 0), 3);
    }

    // I draw the points used in the estimate of the homography.
    draw_cross(img, TL, 40, CV_RGB(255, 0, 0));
    draw_cross(img, TR, 40, CV_RGB(255, 0, 0));
    draw_cross(img, BL, 40, CV_RGB(255, 0, 0));
    draw_cross(img, BR, 40, CV_RGB(255, 0, 0));

    cv::namedWindow( "Input image", cv::WINDOW_NORMAL );
    cv::imshow( "Input image", img );
    cv::imwrite("img.png", img);

    cv::namedWindow( "Rectified image", cv::WINDOW_NORMAL );
    cv::imshow( "Rectified image", warped );
    cv::imwrite("warped.png", warped);

    cv::waitKey(0);

    return 0;
}

Run Code Online (Sandbox Code Playgroud)

输入图像，在这种情况下，您的参考对象是 A4 纸，目标对象是计算尺：

输入带有度量的图像，红叉用于估计单应性：

修正后的图像：

Answer 2

Pig*_*let 2

最基本的方法是简单地确定参考对象的像素尺寸，并使用公制尺寸得出毫米/像素系数。然后将要测量的对象的像素尺寸乘以该系数。仅当两个物体位于与传感器平行的同一平面内时，此功能才有效。

对于其他任何事情，您都需要距离信息。您可以测量它们或根据您必须达到的准确程度做出一些假设。

实施此类测量的方法取决于您的要求。

归档时间：	10 年，3 月前
查看次数：	6269 次
最近记录：	9 年，3 月前