基于Python检测图像中牙齿尺寸（长度、宽度）的技术求助

嘿，我看你尝试用Python代码获取牙齿图片的尺寸，还写了一段结合PIL和OpenCV的代码对吧？我帮你梳理下代码里的小问题，再针对不同需求给出更实用的实现方案。

先说说你原代码里的几个小问题 #

• 打开图片的方式有点多余：Image.open(open('kr1.jpg')) 直接用Image.open('kr1.jpg')就足够了，没必要嵌套open()函数
• 导入的库有重复：比如import numpy和import numpy as np重复了，pylab和matplotlib.pyplot也可以按需整合，不用都导入
• 你用黑色范围提取形状，但牙齿通常是浅色的，这个颜色区间可能抓不到牙齿区域，得调整方向

接下来分两种常见需求给你优化后的代码：

需求1：获取图片本身的像素尺寸 #

如果只是想知道整张图片的宽高（单位像素），这一步超级简单，用PIL就能直接搞定：

from PIL import Image

# 打开目标图片
img = Image.open('kr1.jpg')
# 获取尺寸：返回的是(宽度, 高度)的元组
img_width, img_height = img.size
print(f"图片整体尺寸：宽度 {img_width} 像素，高度 {img_height} 像素")

需求2：获取牙齿区域的像素尺寸 #

如果是想单独获取牙齿在图片中的大小，那就需要先提取牙齿的轮廓，再计算它的边界框大小。这里用OpenCV来实现更方便：

import cv2
import numpy as np

# 读取图片（OpenCV默认以BGR格式读取）
img = cv2.imread('kr1.jpg')
# 转为灰度图，简化后续处理
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理：根据你的图片调整阈值，这里假设牙齿是亮色，背景偏暗
# 如果你牙齿是深色，就把THRESH_BINARY_INV改成THRESH_BINARY
_, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY_INV)

# 查找图片中的轮廓
contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选出最大的轮廓（默认最大的就是牙齿，要是有多个物体可以再加筛选条件）
if contours:
    largest_contour = max(contours, key=cv2.contourArea)
    # 计算轮廓的边界框：x,y是左上角坐标，w是宽度，h是高度
    x, y, tooth_width, tooth_height = cv2.boundingRect(largest_contour)
    print(f"牙齿的像素尺寸：宽度 {tooth_width} 像素，高度 {tooth_height} 像素")

    # 可选：画出边界框，直观验证结果
    cv2.rectangle(img, (x, y), (x + tooth_width, y + tooth_height), (0, 255, 0), 2)
    cv2.imshow('Teeth Bounding Box', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
else:
    print("没检测到牙齿轮廓哦，试试调整二值化的阈值，或者检查图片是否清晰")

额外补充：获取牙齿的物理尺寸（比如毫米） #

如果需要真实的物理尺寸，得在图片里放一个已知尺寸的参照物（比如一元硬币，直径约25mm）：

1. 先按照上面的方法获取参照物的像素尺寸（比如硬币像素直径是200）
2. 计算像素密度：mm_per_pixel = 25 / 200 = 0.125（每像素对应0.125毫米）
3. 用牙齿的像素尺寸乘以这个密度，就能得到物理尺寸：tooth_real_width = tooth_width * mm_per_pixel

另外，你原代码里的颜色范围提取，要是想用的话，得把区间改成牙齿的颜色范围，比如浅色牙齿可以设：

lower = np.array([200, 200, 200])
upper = np.array([255, 255, 255])

内容的提问来源于stack exchange，提问作者Mishka