基于python实现的大理石接触精准分析程序+源码+开发文档+项目解析+代码解析（毕业设计&课程设计&项目开发）

# ContactAnalysis 大理石接触分析 ### 一、环境介绍 * 系统：win10 * 语言：python3.7 * 依赖库：opencv、numpy、PyQt ### 二、功能说明 实际工程中，为了得知路面沥青质量的好坏，需要对其进行数据分析。如下三幅图所示，原图是路面沥青切片，第二幅图是原图的二值化图像（处理的这么好，当然是PS的），第三幅图画出了原图沥青石块之间的接触点。如果人工进行标注的话，工程量过于巨大，所以现在需要通过软件来实现对原图完成数据分析，需要完成以下几个功能点： * 二值化处理（难点） * 石块接触分析：以二值化后的图像为基础，计算每个石块的面积，标记出石块间的接触点，计算每个石块质心位置。 * 输出图像： * 大于2.36mm粗石料接触点位置（两张：点接触图像、线接触图像） * 接触点连接图 * 接触点Voronoi图 * 大于2.36粗石料的形心连接图 * 输出参数： * 相互接触大于2.36mm粗石料的面积 * 接触点总数量 * 平均匹配数 * 图像总面积 * 接触石料总面积 * 只有一个接触点石料的总面积 * 无接触石料的总面积（未完成） * 参数A：接触石料总面积/图像总面积 * 参数B：无接触石料总面积/图像总面积   ### 三、实现步骤 在本小节，由于Qt界面的实现太没有技术含量，省略，不介绍。 #### 3.1 二值化 经过不停的摸索，翻遍了百度、google、论文，没有一步就可以将其二值化到上图所示的方法，什么OSTU[^1]算法是不行的，由于它是统计整张图片的像素直方图，在光照不均匀的情况下，会产生极大的误差，阴暗位置会产生极大的误差。 ~~（如果有足够的数据集，应该可以使用U-net来做）~~ 为了得到合适的二值化图像，采用opencv的`adaptiveThreshold`自适应二值化[^2]函数，该函数是基于小窗口二值化方法，在光照不均匀的情况下也可以得到较好的二值化结果，但是这种方法由于其本身的特性，虽然得到较好的轮廓效果，但是也会产生较大的噪声，如下图所示：  在上图中，虽然噪声对，但是轮廓也比较明显，接下来需要借用到opencv的`findContours`轮廓分析[^3]方法，在参考文献中记录了该方法的使用方法，以及一些应用方法。首先使用该方法去除石块外的其他噪声，去除结果如下：  接下来，采用`findContours`给出深度[^3]信息（用到多叉树遍历算法，不能使用递归，python的机制里面，一个函数重复调用2000多次后，会强制中断程序，需手动构建堆栈），去除掉最里面的轮廓，去除结果如下：  接下来，采用`findContours`给出的轮廓大小信息，去除掉小于用户指定尺寸的石块，结果如下所示：  看的出来，噪声还是很大，没关系，因为这不是最后的二值化图像，还需要使用分水岭算法进行最终的处理，处理之后根据`findContours`方法去除小碎块和最外层边框，处理结果如下：  至此，石块的二值化结束（为什么和要求的不一样，因为这种二值化，更加方便后续处理），不去除最外层边框就可以和第二章功能说明里面一样！！ #### 3.2 计算石块面积 在opencv中通过`contourArea`结合`findContours`方法可以快速得到每个块的像素点个数，成功得到每个块的面积。 ```python self.blocksSize.append([contourIndex, cv2.contourArea(contrs)]) ``` * contourIndex：为石块的下标。 * cv2.contourArea(contrs)：该石块的面积 将每个石块的大小记录在`self.blocksSize`。 #### 3.3 计算接触点 > 点接触：两个石块之间只显示一个接触点。 > > 线接触：两个石块之间，显示满足阈值距离的所有接触点 ##### 3.3.1 分析 这一步需要得到点接触和线接触，而点接触可以从线接触中获得，所以先获得所有的线接触。实现步骤： * 对每个石块的边缘进行标记，通过像素标记，如果是1，则其像素为（0,0,1）。 * 遍历所有的块，在每个块的边缘，以圆为半径找其他块的边缘，满足则记录在数据中。 * 点接触：在线接触中，提取出点接触 ##### 3.3.2 对石块标记 直接上代码，通俗易懂： ```python def generateMasker(self, contour): masker = np.zeros_like(self.image) for contourIndex, contrs in enumerate(contour): if cv2.contourArea(contrs) < self.blocksize: continue # 对每一个块进行编码 x1 = int((contourIndex + 1) / (256 * 256)) x2 = int(((contourIndex + 1) - 256 * 256 * x1) / 256) x3 = int((contourIndex + 1) - 256 * 256 * x1 - 256 * x2) cv2.drawContours(masker, contour, contourIndex, (x1, x2, x3), thickness=1) return masker ``` 输入是通过`findContours`得到的轮廓信息，返回的masker就是编码成功的图层。 ##### 3.3.3 计算线接触 暴力法计算点附近是否有临近点，代码比较复杂，但原理比较简单，动图比较通俗易懂，直接上GIF：  红色是所有满足条件的接触点，边框变绿表示该轮廓已经计算过，不再参与计算，可以看到，计算速度比较慢，毕竟是暴力法计算。 再说一下数据结构，看代码中的注释就好，将上面得到的接触点存入下面的数据结构中，后面使用起来就会美滋滋。 ```python # -*- coding: utf-8 -*- # @Time : 2020/1/22 21:04 # @Author : zwenc # @Email : zwence@163.com from operator import itemgetter class contactsLinePointInfo(object): """ 线接触点信息，记录所有满足条件的点 """ def __init__(self): self.PointInfo = [] def appand(self, index1, index2, point1, point2, dis): """ index1: 石块1 index2: 接触的石块2 point1: 接触点中心x坐标 point1: 接触点中心y坐标 dis: 半径 """ if len(self.PointInfo) == 0: self.PointInfo.append(TowBlocksContactsInfo(index1, index2, point1, point2, dis)) return # 查找 index1和index2是否已经存在 for towBlocksContactsInfo in self.PointInfo: if towBlocksContactsInfo.compareIndex(index1, index2): # 存在，则在里面加点 towBlocksContactsInfo.append(point1, point2, dis) return # 不存在，则new一个两个石块接触信息 self.PointInfo.append(TowBlocksContactsInfo(index1, index2, point1, point2, dis)) def __len__(self): return len(self.PointInfo) def __getitem__(self, item): return self.PointInfo[item] # 将两个石块最小记录的最小单位 class TowBlocksContactsInfo(object): def __init__(self, index1, index2, point1, point2, dis): self.index1 = index1 self.index2 = index2 self.pointInfo = [point1, point2, dis] def append(self, point1, point2, dis): self.pointInfo.append([point1, point2, dis]) def compareIndex(self, index1, index2): if self.index1 == index1 and self.index2 == index2: return True if self.index2 == index1 and self.index1 == index2: return True return False def getCoordinateByMiddle(self): # 根据坐标，将中间的点作为接触点位置返回 self.pointInfo.sort(key=itemget