如何使用Python OpenCV计算阈值图像中指定点位的像素距离

• 第一步：直线检测。对输入的阈值图做Canny边缘检测，再通过HoughLinesP霍夫直线变换提取图中的所有线段，按线段的平均y坐标排序，y值最小的是顶部线段，y值居中的是中间线段。
• 第二步：拟合顶部直线方程。用顶部线段的两个端点拟合得到直线的一般式 Ax + By + C = 0。
• 第三步：计算中间线段中点。提取中间线段的两个端点坐标，取横、纵坐标的平均值得到中点坐标 (x0, y0)。
• 第四步：计算垂直距离。代入点到直线的距离公式 d = |A*x0 + B*y0 + C| / sqrt(A² + B²) 得到目标距离，单位为像素；如果需要实际物理距离，可以提前用参照物做像素当量校准。

import cv2
import numpy as np

# 读取阈值处理后的输入图
img = cv2.imread('uWZCv.png', 0)
# 边缘检测
edges = cv2.Canny(img, 50, 150, apertureSize=3)
# 霍夫直线检测，参数可根据实际检测效果调整
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=20, minLineLength=30, maxLineGap=5)

# 存储所有线段的平均y坐标和端点信息
line_info = []
for line in lines:
    x1, y1, x2, y2 = line[0]
    avg_y = (y1 + y2) / 2
    line_info.append((avg_y, x1, y1, x2, y2))

# 按平均y升序排序，排序后第一个为顶部线段，第二个为中间线段
line_info.sort()
top_y, top_x1, top_y1, top_x2, top_y2 = line_info[0]
mid_y, mid_x1, mid_y1, mid_x2, mid_y2 = line_info[1]

# 拟合顶部直线一般式 Ax + By + C = 0
A = top_y2 - top_y1
B = top_x1 - top_x2
C = top_x2 * top_y1 - top_x1 * top_y2

# 计算中间线段的中点坐标
mid_point_x = (mid_x1 + mid_x2) / 2
mid_point_y = (mid_y1 + mid_y2) / 2

# 计算垂直距离（像素单位）
distance = abs(A * mid_point_x + B * mid_point_y + C) / np.sqrt(A**2 + B**2)
print(f"目标距离d为{distance:.2f}像素")

如果检测结果存在无关线段干扰，可调整HoughLinesP的阈值、最小线长、最大间隙参数过滤无效结果，也可新增线段长度校验逻辑，只保留长度符合预期的两条目标线段即可。

内容的提问来源于stack exchange，提问作者Priya Sadh