我正在尝试使用 OpenCV 和 Python 测量玻璃通道中的水位。我决定在选定的 ROI 中使用 HaughLines 并找到所述线条的中点，这样我就可以计算出我想要的线条之间的差异，并将其乘以我稍后会得到的设定参考尺寸。到目前为止，我发现线条的部分如下所示：
import cv2
import numpy as np
def midpoint(ptA, ptB, ptC, ptD):
return ((ptA + ptC) * 0.5, (ptB + ptD) * 0.5)
img = cv2.imread("b2924.JPG")
img = cv2.resize(img, None, fx=3/10, fy=3/10)
r = cv2.selectROI("main", img, False, False)
cropped = img[r[1]:(r[1]+r[3]), r[0]:(r[0]+r[2])]
cv2.destroyWindow("main")
imgray = cv2.cvtColor(cropped, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(imgray, 35, 75)
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 75, maxLineGap=1000)
midPoint = []
for line in lines:
x1, y1, x2, y2 = line[0]
cv2.line(cropped, (x1, y1), (x2, y2), (0, 0, 255), 1)
mP = midpoint(x1, y1, x2, y2)
midPoint.append(mP)
midPoint.sort(key = lambda x: x[1])
img[r[1]:(r[1]+r[3]), r[0]:(r[0]+r[2])] = cropped
print(lines)
print(midPoint)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
根据我选择的图像和 ROI，我发现结果不一致。图像示例以及我选择 ROI 的位置：
请注意，通道的底部从胶带到达的地方开始。看起来我几乎找不到那条确切的线，因为它在底部有多么嘈杂。现在，这些没有形态的阈值似乎给出了更好的结果。我也尝试使用sobel导数代替，canny但结果更差。
在这种环境下甚至有可能获得精确的测量结果吗？是编码问题还是改变我拍照的方式或两者兼而有之？将来我可能需要在剧烈湍流期间绘制水剖面图，我是否应该为此简单地远离 OpenCV，因为噪音太大？任何帮助表示赞赏。