OpenCV Python使用HoughLinesP（）算法测量距离以确定水位

Question

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，并找到所述线的中点，这样我就可以计算出想要的线之间的差，然后将其乘以设定的参考尺寸，稍后再进行参考。到目前为止，我发现线条的部分看起来像这样：

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()

根据图像和ROI，我发现不一致的结果。图片示例以及选择投资回报率的位置：

请注意，通道的底部从管道胶带到达的位置开始。看来我几乎永远找不到那条确切的线，因为它的噪音到底有多大。目前，这些没有形态的阈值似乎可以提供更好的结果。我也尝试使用sobel而不是canny的导数，但结果却更糟。

在这种环境下甚至有可能获得准确的测量结果吗？是编码还是更改我拍摄照片的方式或者两者兼而有之？将来我可能需要绘制湍流期间的水廓线图，为此我是否应该简单地离开OpenCV，因为噪声太大了？任何帮助表示赞赏。

Answer 1

使用该设置，我不会投资任何图像处理。

如果您坚持要进行图像处理（如果您只对几个位置的水位感兴趣，那么使用传统的水位传感器可能会更好）

在水池的后部添加LED面板或任何其他种类的均匀背景照明。将染料加到水中以形成对比。 摆脱窗口反射。清洁玻璃。 或者，使背景变暗并在水中添加一些使其成为杂散光或荧光的东西。

您还可以添加漂浮在表面上的材料，这些材料可以是反光的或自发光的。这样，您将获得可以在图像中轻松检测到的明亮的表面液位指示器。