0

我是一名 R 用户，在 Python 中进行图像分析时遇到了麻烦。计算图像中心建筑物面积的有效方法是什么？目标是将边缘算法应用于谷歌地图静态图像并计算地址屋顶的表面积。

from pygeocoder import Geocoder
import urllib
import numpy as np
from scipy import ndimage
from skimage import filter, io, measure
import matplotlib.pyplot as plt

def getMap(address):
    """Geocode address and retreive image centered
    around lat/long"""

    results = Geocoder.geocode(address)
    lat, lng = results[0].coordinates
    zip_code = results[0].postal_code

    map_url = 'https://maps.googleapis.com/maps/api/staticmap?center={0},{1}&size=640x640&zoom=19&sensor=false&maptype=roadmap&&style=visibility:simplified|gamma:0.1'
    request_url = map_url.format(lat, lng)
    req = urllib.urlopen(request_url)
    return(req)

def mapEdge(req):
    """Convert img to bytearray and do edge detection
    on centered building"""

    img = io.imread(req.geturl(),flatten=True)
    labels, numobjects = ndimage.label(img)
    edges = filter.canny(img, sigma=3)
    plt.imshow(edges, cmap=plt.cm.gray)
    plt.show()

map_tmp = getMap('1403 Elmwood Ave., Evanston, IL')
mapEdge(map_tmp)
4

2 回答 2

1

一种方法是使用 opencv 中可用的轮廓查找技术，然后检测轮廓的中心。代码在 c++ 中，但可以很容易地转换成 python

    findContours( dst4, contours2, hierarchy2, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);
    vector<vector<Point> > contours_poly2( contours2.size() );
    vector<Rect> boundRect2( contours2.size() );
    cout << contours2.size()<<endl;
    Mat drawing1=Mat::zeros(dst4.rows,dst4.cols,dst4.depth());
    for( int i = 0; i < contours2.size(); i++ ){
        approxPolyDP( Mat(contours2[i]), contours_poly2[i], 3, true );
        boundRect2[i] = boundingRect( Mat(contours_poly2[i]) );
    }

现在你有一个边界矩形的向量，因此如果边界矩形的中心非常靠近图像的中心，那么它就是一个正匹配。

这是使用 python 查找轮廓的教程 http://opencvpython.blogspot.in/2012/06/hi-this-article-is-tutorial-which-try.html

希望这可以帮助

于 2014-06-13T08:09:24.963 回答
0

我会看看其中一个库：

于 2014-06-12T21:46:17.673 回答