使用OpenCV實現攝像頭測距
原文連結：
攝像頭測距就是計算照片中的目標物體到相機的距離。可以使用相似三角形（triangle similarity）方法實現，或者使用更復雜但更準確的相機模型的內參來實現這個功能。
使用相似三角形計算物體到相機的距離
假設物體的寬度為 W，將其放到離相機距離為 D 的位置，然後對物體進行拍照。在照片上量出物體的畫素寬度 P，於是可以得出計算相機焦距 F 的公式：
比如我在相機前 24 英寸距離（D=24 inches）的位置橫著放了一張 8。5 x 11 英寸（W=11 inches）的紙，拍照後透過影象處理得出照片上紙的畫素寬度 P=248 pixels。
所以焦距 F 等於：
此時移動相機離物體更近或者更遠，我們可以應用相似三角形得到計算物體到相機的距離的公式：
原理大概就是這樣，接下來使用 OpenCV 來實現。
獲取目標輪廓
# import the necessary packages
from
imutils
import
paths
import
numpy
as
np
import
imutils
import
cv2
def
find_marker
（
image
）：
# convert the image to grayscale， blur it， and detect edges
gray
=
cv2
。
cvtColor
（
image
，
cv2
。
COLOR_BGR2GRAY
）
gray
=
cv2
。
GaussianBlur
（
gray
，
（
5
，
5
），
0
）
edged
=
cv2
。
Canny
（
gray
，
35
，
125
）
# find the contours in the edged image and keep the largest one；
# we‘ll assume that this is our piece of paper in the image
cnts
=
cv2
。
findContours
（
edged
。
copy
（），
cv2
。
RETR_LIST
，
cv2
。
CHAIN_APPROX_SIMPLE
）
cnts
=
imutils
。
grab_contours
（
cnts
）
c
=
max
（
cnts
，
key
=
cv2
。
contourArea
）
# compute the bounding box of the of the paper region and return it
return
cv2
。
minAreaRect
（
c
）
定義一個
find_marker
函式，接收一個引數
iamge
，用來找到要計算距離的物體。
這裡我們用一張 8。5 x 11 英寸的紙作為目標物體。
第一個任務是在圖片中找到目標物體。
下面這三行是先將圖片轉換為灰度圖，並進行輕微模糊處理以去除高頻噪聲，然後進行邊緣檢測。
gray
=
cv2
。
cvtColor
（
image
，
cv2
。
COLOR_BGR2GRAY
）
gray
=
cv2
。
GaussianBlur
（
gray
，
（
5
，
5
），
0
）
edged
=
cv2
。
Canny
（
gray
，
35
，
125
）
做了這幾步後圖片看起來是這樣的：
現在已經可以清晰地看到這張紙的邊緣，接下來需要做的是找出這張紙的輪廓。
cnts
=
cv2
。
findContours
（
edged
。
copy
（），
cv2
。
RETR_LIST
，
cv2
。
CHAIN_APPROX_SIMPLE
）
cnts
=
imutils
。
grab_contours
（
cnts
）
c
=
max
（
cnts
，
key
=
cv2
。
contourArea
）
用
cv2。findContours
函式找到圖片中的眾多輪廓，然後獲取其中面積最大的輪廓，並假設這是目標物體的輪廓。
這種假設只適用於我們這個場景，在實際使用時，在圖片中找出目標物體的方法與應用場景有很大關係。
我們這個場景用簡單的邊緣檢測並找出最大的輪廓就可以了。當然為了使程式更具有魯棒性，也可以用輪廓近似，並剔除不是四個點的輪廓（紙張是一個有四個點的矩形），然後再找出面積最大，具有四個點的輪廓。
注意： 關於這個方法，詳情可以檢視這篇文章，用於構建一個移動文字掃描工具。
我們也可以根據
顏色特徵
在圖片中找到目標物體，因為目標物體和背景的顏色有著很明顯的不同。還可以應用關鍵點檢測（keypoint detection），區域性不變性描述子（local invariant descriptors）和關鍵點匹配（keypoint matching）來尋找目標。
但是這些方法不在本文的討論範圍內，而且高度依賴具體場景。
我們現在得到目標物體的輪廓了，
find_marker
函式最後返回的是包含輪廓 （x， y） 座標、畫素長度和畫素寬度的邊框，
計算距離
接下來該使用相似三角形計算目標到相機的距離。
def
distance_to_camera
（
knownWidth
，
focalLength
，
perWidth
）：
# compute and return the distance from the maker to the camera
return
（
knownWidth
*
focalLength
）
/
perWidth
distance_to_camera
函式傳入目標的實際寬度，計算得到的焦距和圖片上目標的畫素寬度，就可以透過相似三角形公式計算目標到相機的距離了。
下面是呼叫
distance_to_camera
函式之前的準備：
# initialize the known distance from the camera to the object， which
# in this case is 24 inches
KNOWN_DISTANCE
=
24。0
# initialize the known object width， which in this case， the piece of
# paper is 12 inches wide
KNOWN_WIDTH
=
11。0
# load the furst image that contains an object that is KNOWN TO BE 2 feet
# from our camera， then find the paper marker in the image， and initialize
# the focal length
image
=
cv2
。
imread
（
“images/2ft。jpg”
）
marker
=
find_marker
（
image
）
focalLength
=
（
marker
［
1
］［
0
］
*
KNOWN_DISTANCE
）
/
KNOWN_WIDTH
首先是測量目標物體的寬度，和目標物體到相機的距離，並根據上面介紹的方法計算相機的焦距。
其實這些並不是真正的攝像機標定。真正的攝像機標定包括攝像機的內參，相關知識可以可以檢視這裡。
使用
cv2。imread
函式從磁碟載入圖片，然後透過
find_marker
函式得到圖片中目標物體的座標和長寬資訊，最後根據相似三角形計算出相機的焦距。
現在有了相機的焦距，就可以計算目標物體到相機的距離了。
# loop over the images
for
imagePath
in
sorted
（
paths
。
list_images
（
“images”
））：
# load the image， find the marker in the image， then compute the
# distance to the marker from the camera
image
=
cv2
。
imread
（
imagePath
）
marker
=
find_marker
（
image
）
inches
=
distance_to_camera
（
KNOWN_WIDTH
，
focalLength
，
marker
［
1
］［
0
］）
# draw a bounding box around the image and display it
box
=
cv2
。
cv
。
BoxPoints
（
marker
）
if
imutils
。
is_cv2
（）
else
cv2
。
boxPoints
（
marker
）
box
=
np
。
int0
（
box
）
cv2
。
drawContours
（
image
，
［
box
］，
-
1
，
（
0
，
255
，
0
），
2
）
cv2
。
putText
（
image
，
“
%。2f
ft”
%
（
inches
/
12
），
（
image
。
shape
［
1
］
-
200
，
image
。
shape
［
0
］
-
20
），
cv2
。
FONT_HERSHEY_SIMPLEX
，
2。0
，
（
0
，
255
，
0
），
3
）
cv2
。
imshow
（
“image”
，
image
）
cv2
。
waitKey
（
0
）
使用 for 迴圈遍歷每個圖片，計算每張圖片中目標物件到相機的距離。
在結果中，我們根據得到的輪廓資訊將方框畫了出來，並顯示出了距離。
下面是得到的幾個結果圖：
總結
透過這篇文章，我們學會了使用相似三角形計算圖片中一個已知物體到相機的距離。
需要先測量出目標物體的實際寬度和目標物體到相機的距離，然後使用影象處理的方法自動計算圖片中目標物體的畫素寬度，並使用相似三角形計算出相機的焦距。
根據相機的焦距就可以計算圖片中的目標物體到相機的距離。
