### 使用Python和OpenCV计算容量瓶中凹液面与刻度线的距离 为了实现这一目标，可以通过图像处理技术提取液体表面的位置以及刻度线位置，并进一步测量两者之间的像素距离。以下是详细的解决方案： #### 1. 图像预处理 在实际操作中，通常需要对输入的图像进行一定的预处理以便后续更精确地定位凹液面和刻度线。常见的预处理步骤包括灰度化、高斯模糊降噪以及边缘检测。 ```python import cv2 import numpy as np # 加载原始图像 image = cv2.imread('burette.jpg') # 将图像转换为灰度图 gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 高斯模糊去噪 blurred_image = cv2.GaussianBlur(gray_image, (5, 5), 0) # 边缘检测 edges = cv2.Canny(blurred_image, threshold1=50, threshold2=150) ``` 上述代码实现了从彩色图像到灰度图像的转换，并通过高斯滤波器减少噪声干扰[^1]。最后利用Canny算子完成边缘检测[^2]。 --- #### 2. 定位凹液面 对于容量瓶中的液体，其凹液面通常是圆形的一部分或者弧形结构，在二值化的图像上表现为一条明显的曲线。可以采用霍夫变换或其他拟合方法找到该曲线的具体坐标范围。 ```python # 寻找轮廓 contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 假设第一个较大的闭合区域即为目标液体表面 if contours: largest_contour = max(contours, key=cv2.contourArea) # 计算最小外接矩形 rect = cv2.minAreaRect(largest_contour) box = cv2.boxPoints(rect) box = np.int0(box) # 绘制边界框并标注中心点作为参考 cv2.drawContours(image, [box], -1, (0, 255, 0), 2) center_x, center_y = int(rect[0][0]), int(rect[0][1]) cv2.circle(image, (center_x, center_y), 5, (0, 0, 255), -1) else: raise ValueError("未检测到任何有效轮廓") ``` 这里我们假设最大的封闭区域对应于液体表面，并使用`cv2.minAreaRect()`函数获取它的几何属性（如旋转角度）。随后绘制出相应的包围盒及其质心位置。 --- #### 3. 找到刻度线 刻度线一般呈现为垂直方向上的细直线段，因此可通过形态学运算增强这些特征后再寻找它们的确切位置。 ```python # 形态学操作加强线条表现力 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 10)) dilated_edges = cv2.dilate(edges, kernel, iterations=1) # HoughLinesP 方法查找短直线条 lines = cv2.HoughLinesP(dilated_edges, rho=1, theta=np.pi/180, threshold=50, minLineLength=50, maxLineGap=10) target_line = None for line in lines: x1, y1, x2, y2 = line[0] if abs(x2 - x1) < 5 and abs(y2 - y1) >= 40: # 近似竖直且长度足够长 target_line = ((x1+x2)//2, (y1+y2)//2) break if not target_line: raise ValueError("未能成功匹配合适的刻度线") # 显示选定的刻度线中间点 line_center_x, line_center_y = target_line cv2.line(image, (x1, y1), (x2, y2), (255, 0, 0), 2) cv2.circle(image, (line_center_x, line_center_y), 5, (255, 0, 0), -1) ``` 此部分先定义了一个适合捕捉纵向条纹的核矩阵，再借助膨胀操作突出显示可能存在的刻度标记；之后调用Hough变换筛选符合条件的目标对象——既接近铅垂又具有一定高度延伸的部分被认定为代表性的刻度指示符[^2]。 --- #### 4. 测量两者的相对距离 一旦分别确认好了凹液面重心所在处同最近端刻度标志间的关联关系，则可以直接依据各自坐标的差值得知其间距数值大小。 ```python distance_in_pixels = abs(center_y - line_center_y) print(f"凹液面至刻度线间距离约为 {distance_in_pixels} pixels.") ``` 最终输出结果表示的是两个关键部位之间沿Y轴方向所跨越过的总像素数[^1]。 ---