Question

我是R用户在Python中进行图像分析时遇到问题。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Google Maps静态图像并计算地址屋顶的表面区域。

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)

Answer 1

一种方法是使用opencv中可用的轮廓寻找技术，然后检测轮廓的中心。代码是用c ++编写的，但很容易转换成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]) );
    }

现在您有了一个边界矩形矢量，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进行轮廓查找的教程 http://opencvpython.blogspot.in/2012/06/hi-this-article-is-tutorial-which-try.html

希望这有帮助

Answer 2

我会看看其中一个库：

scikit图像
的OpenCV
SimpleCV（example with blobs）

在地图图像中计算屋顶的面积

2 个答案: