做机器视觉的同行应该都有同感从照片里“看清一个东西”容易但要说清楚“这东西到底多长多宽”项目难度一下就上来了。这不是单纯在图上框选的事——OpenCV 图像目标尺寸检测本质是把二维像素坐标映射回物理世界的毫米坐标。我最近整理这套流程时发现不少初学者卡在同一个地方代码跑通了轮廓也画出来了可就是不知道 boundingRect 给出的 w 和 h 到底等于多少毫米。这个项目能做什么产线上工件长宽尺寸复核、快递包裹体积预估的草图版本、照片里零件分类前先量一下尺寸都属于这类需求。它特别适合刚学完 OpenCV 基本操作、想做一个完整图像处理小项目的人也适合打算进入机器视觉尺寸测量方向、想搞清楚单目测量原理的初学者。我按自己实际写过的方案把整套流程完整拆一遍代码可以直接抄但更建议你先理解每一步为什么这么做。很多人以为尺寸检测的重点是“检测”其实真正花时间的是“标定与换算”。一张图片拿过来轮廓检测只能告诉你“有几个目标、每个目标占多少像素”像素和毫米之间没有天然关系。要让计算机说出“这个零件的宽度是 32.5mm”你必须先给它一个明确的参照系。下面我按项目拆解、原理梳理、代码实现、踩坑记录四个部分展开。1. 项目拆解尺寸检测到底在解决什么问题1.1 单目视觉的先天限制以及参考物的作用先说一个绕不开的事实普通摄像头只有单个镜头拍出来的是二维投影深度信息已经在成像时丢掉了。同样一个杯子放在相机前 20cm 拍出来可能占满画面放到 50cm 外就只占一小块。只靠单张图像算法无法区分“物体很大但离得远”和“物体很小但离得近”。想解决这个问题常见路线有三种一是用双目相机做立体匹配通过左右图像视差恢复深度精度高但设备成本高、标定流程复杂二是用深度相机直接取深度图硬件和算力要求都不低三就是本项目采用的方式——在场景里放置一个已知尺寸的参考物利用它建立像素和真实尺寸的换算比例。参考物方案本质上是“用已知推未知”。既然我知道这张身份证的真实宽度是 85.6mm在图像里又量出了它的像素宽度那每个像素代表多少毫米就算出来了。这个比例一旦建立同一平面上其他物体的尺寸就能换算出来。它的成本几乎为零只需要一个尺寸已知的物品和一把尺子精度对大多数入门级场景完全够用。1.2 完整技术链路从图像到毫米数值的五步流程这个项目的处理链路非常清晰我习惯拆成五步图像预处理读取图像转灰度、高斯模糊去噪、Canny 边缘检测得到干净的边缘图。轮廓提取与排序用 findContours 找到所有轮廓按面积排序。面积最大的通常是参考物也可能是被测物后面我会讲怎么区分。参考物识别与透视变换拿到参考物的四个顶点做透视变换把倾斜拍摄的视角矫正为正视图。这一步直接决定测量精度。比例尺计算在矫正后的图像里用参考物的像素尺寸除以真实尺寸得到 pixelsPerMetric 比例因子。目标测量检测目标轮廓取外接矩形或最小外接矩形用像素宽高除以比例因子输出毫米数值。五步走下来输入是一张图输出是一串带单位的尺寸。整个过程没有特别复杂的算法最大的工程量和调试精力其实都放在“让轮廓稳定精确地提取出来”这一步。1.3 适用场景和测量边界参考物方案适合的场景有一个共同特征被测物体和参考物基本处于同一平面且相机光轴与这个平面接近垂直。典型例子包括皮带线上的零件尺寸抽检零件平放相机固定在上方。照片里的平面物体测量比如 PCB 板、纸张、标签、木板的长宽。手机拍身份证、名片需要估计实体尺寸的场景。不适合的场景也很明确物体表面高度差很大的、物体是柔性会弯曲的、需要测量厚度或高度这类第三维信息的。遇到这些情况老老实实上双目视觉或结构光方案别在一个 2D 项目里硬凹 3D 功能。搞清楚边界项目才不会做一半翻车。2. 关键技术细节坐标系、透视与误差来源2.1 OpenCV 图像坐标系为什么必须讲清楚很多初学者忽略坐标系直接照着网上的代码写一旦需要手动处理坐标就会懵。OpenCV 的图像坐标系是原点在左上角x 轴向右y 轴向下单位是像素。cv2.boundingRect 返回的 (x, y, w, h) 中x、y 是外接矩形左上角的像素坐标w 是矩形宽度h 是矩形高度。这个坐标系和数学里习惯的坐标系最明显的区别就是 y 轴朝下。做透视变换、画 ROI、裁剪图像时所有坐标都要按这个规则来。比如你把参考物放在画面左下角它的 y 值会比画面中心的 y 值大因为越往下越接近图像底部这在图像坐标系里是完全正常的。另外要注意cv2.findContours 返回的轮廓点坐标也是基于这个图像坐标系。如果你想在轮廓里取最大最小值判断目标位置千万别把 x 和 y 搞混我见过不少人写代码时把坐标当成数学坐标系去算结果检测框整个歪掉。2.2 透视变换让像素比例真正“公平”如果相机正对着被测平面像素比例自然均匀直接用全局比例尺就能算。但实际拍摄时相机很难做到绝对垂直总会有一点俯仰角度。一旦平面倾斜画面里的物体就会“近大远小”远端像素被压缩这时再用同一个比例尺去算尺寸误差会非常大。透视变换要解决的就是这个问题。它的原理是通过检测参考物矩形的四个顶点把四边形映射成一个正矩形。通俗点说就是把一张歪着拍的发票变换成一张正面视角的发票图像。实现上我先用 approxPolyDP 把参考物轮廓拟合成四边形拿到四个顶点。然后按左上、右上、右下、左下的顺序排列顶点再用 cv2.getPerspectiveTransform 算出变换矩阵最后用 cv2.warpPerspective 生成矫正后的图像。矫正之后整个参考物平面变成了正视视角在这个平面上测任何物体的尺寸像素比例都是一致的。这个操作对精度的影响很大。我做过对比实验同样的场景固定相机高度仅仅让拍摄角度偏斜十度左右不做透视矫正直接测误差能到百分之十几做了矫正之后能压到百分之二到三以内。所以只要你的相机不是严格垂直安装透视变换这一步建议不要省。2.3 参考物怎么选测量精度就怎么定参考物是整个测量体系的“标准答案”它错了后面全错。选参考物的原则有三条尺寸精确且已知最好用身份证、银行卡、硬币、标准量块这类尺寸有官方标准的物品。我记得身份证宽度 85.6mm、高度 54mm这个数值是固定的不用临时拿尺子量。边缘清晰、对比度高参考物与背景要有明显反差方便轮廓提取。深色桌面配浅色卡片或浅色桌面配深色卡片效果最好。平整且贴合测量平面参考物必须和被测物放在同一个平面上。如果被测物放在桌面上参考物就不能悬空举着否则透视变换的平面就不对了。具体到我自己的习惯用身份证做参考物最多。它尺寸标准、随身携带、表面平坦而且颜色和大多数桌面都有区分度。用硬币也可以但要注意不同面额直径不同不同国家的硬币尺寸也不同代码里记得写对数值。如果你要做的项目是长期固定场景建议做一块黑色哑光背景板中间贴一张白色已知尺寸的标签纸这样轮廓提取最稳定受环境光影响也最小。3. 实操落地从环境搭建到代码实现3.1 环境准备别在装环境上内耗这个项目的依赖非常简单Python 3.8 以上安装 OpenCV 和 NumPy 就够跑通了。我自己最推荐的方式是用 Anaconda 建一个独立虚拟环境避免和系统 Python 的包互相打架。conda create -n measure python3.9 -y conda activate measure pip install opencv-python numpy如果你需要用到 SIFT、ORB 这类专利算法模块再装一个 opencv-contrib-python。注意 opencv-python 和 opencv-contrib-python 不能同时存在装之前先卸载另一个。PyCharm 用户直接在 Settings 里把解释器指到 conda 环境即可Visual Studio Code 用户则在 Python 插件里选择同一个解释器。如果你是 C 项目在 VS2022 里配置 OpenCV 主要做三件事项目属性里配置 include 目录指向 opencv 的 include 文件夹配置 lib 目录指向 x64/vc15/lib附加依赖项里加上 opencv_world470.lib 这类库文件名最后别忘了把 opencv 的 bin 目录加到系统 PATH否则运行时找不到 DLL。这个流程和 Python 版本在算法上没有任何区别只是 API 用起来更繁琐一点新手我更推荐先用 Python 把逻辑跑通再迁移。3.2 核心代码四步完成目标尺寸测量下面是一份完整的实现代码我按功能拆成几个函数。先写四个顶点的排序和透视变换部分import cv2 import numpy as np def order_points(pts): # 按 左上、右上、右下、左下 的顺序排列四个顶点 rect np.zeros((4, 2), dtypefloat32) # 左上角点 xy 最小右下角点 xy 最大 s pts.sum(axis1) rect[0] pts[np.argmin(s)] rect[2] pts[np.argmax(s)] # 右上角点 diff(y-x) 最大左下角点 diff(y-x) 最小 diff np.diff(pts, axis1) rect[1] pts[np.argmin(diff)] rect[3] pts[np.argmax(diff)] return rect def four_point_transform(image, pts): rect order_points(pts) (tl, tr, br, bl) rect width_top np.linalg.norm(tr - tl) width_bottom np.linalg.norm(br - bl) max_width max(int(width_top), int(width_bottom)) height_left np.linalg.norm(tl - bl) height_right np.linalg.norm(tr - br) max_height max(int(height_left), int(height_right)) dst np.array([ [0, 0], [max_width - 1, 0], [max_width - 1, max_height - 1], [0, max_height - 1]], dtypefloat32) M cv2.getPerspectiveTransform(rect, dst) warped cv2.warpPerspective(image, M, (max_width, max_height)) return warped然后是主流程。这里我用一张俯拍的测试图参考物是一张身份证被测物是旁边的几个小零件。def measure_object_size(image_path, ref_real_width, ref_real_height): image cv2.imread(image_path) if image is None: raise ValueError(读取图片失败检查路径) orig image.copy() # 1. 预处理灰度、高斯模糊、Canny gray cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred cv2.GaussianBlur(gray, (5, 5), 0) edged cv2.Canny(blurred, 50, 150) # 2. 轮廓提取按面积从大到小排序 contours, _ cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours sorted(contours, keycv2.contourArea, reverseTrue) # 3. 取最大轮廓作为参考物身份证拟合成四边形 ref_contour contours[0] peri cv2.arcLength(ref_contour, True) approx cv2.approxPolyDP(ref_contour, 0.02 * peri, True) if len(approx) ! 4: print(参考物轮廓不是四边形请检查图片) return # 4. 透视变换得到正视图 warped four_point_transform(image, approx.reshape(4, 2)) warped_gray cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) warped_edged cv2.Canny(warped_gray, 50, 150) warped_contours, _ cv2.findContours(warped_edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 5. 在正视图里再次定位参考物计算比例尺 ref_contour_warped max(warped_contours, keycv2.contourArea) rx, ry, rw, rh cv2.boundingRect(ref_contour_warped) # 这里用宽度计算比例尺因为身份证宽度是标准值 85.6mm pixels_per_metric rw / ref_real_width # 6. 遍历其余轮廓输出每个目标的实际尺寸 for c in warped_contours: area cv2.contourArea(c) if area 500: # 过滤小的噪点轮廓 continue x, y, w, h cv2.boundingRect(c) real_w w / pixels_per_metric real_h h / pixels_per_metric print(f目标尺寸: 宽 {real_w:.2f} mm, 高 {real_h:.2f} mm) cv2.rectangle(warped, (x, y), (x w, y h), (0, 255, 0), 2) cv2.putText(warped, f{real_w:.1f} x {real_h:.1f} mm, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2) # 调整显示大小后展示 show cv2.resize(warped, (800, int(warped.shape[0] * 800 / warped.shape[1]))) cv2.imshow(Result, show) cv2.waitKey(0) cv2.destroyAllWindows() if __name__ __main__: measure_object_size(test.jpg, 85.6, 54.0)代码里面有两个细节值得展开。第一个是 approxPolyDP 的 epsilon 参数。我写的 0.02 * peri意思是把轮廓周长乘以 0.02 作为近似精度阈值。这个值越大拟合出的多边形顶点越少、形状越粗糙。对于矩形参考物0.02 倍周长通常能稳定拟合成四点如果物体本身边缘有锯齿或者拍摄模糊可以适当放宽到 0.03 或 0.04。太小了拟合出来可能不止四个点太大了矩形会被“削”掉角。第二个是比例尺的计算基准。身份证是横着放置的情况下轮廓外接矩形的宽度方向对应的是身份证的宽 85.6mm。代码里用 rw / ref_real_width 计算比例因子含义是“每个像素等于多少毫米”。如果你的参考物是竖着放的记得改用 rh 除以 54.0。这个 bug 我踩过一次算出来的尺寸整体偏差接近 1.6 倍排查了半天才发现是宽高基准搞反了。3.3 从单张图片到实时相机测量做这个项目很多人的最终需求是接摄像头实时检测而不是翻来覆去测一张图。实时版本其实很简单把上面的主流程封装成一个 process_frame(frame) 函数然后套一个 VideoCapture 的读取循环。cap cv2.VideoCapture(0) # 默认摄像头CSI 摄像头在 Jetson 上用 nvarguscamerasrc 初始化 while True: ret, frame cap.read() if not ret: break result process_frame(frame) cv2.imshow(Live Measure, result) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()关键点是实时场景下摄像头和参考物的位置必须固定。第一次运行可以先检测参考物并算出比例尺后续帧可以跳过参考物检测直接复用上一次计算的 pixels_per_metric能省下不少运算时间。如果环境光照稳定、相机没有移动这个预处理结果能一直用下去。摄像头调用原理其实很简单VideoCapture 对象负责从驱动层读视频帧read() 每次返回一帧 BGR 图像。真正决定检测质量的不是读取速度而是分辨率、焦距、曝光参数。我实测下来分辨率至少 1280x720如果能到 1920x1080 更好像素越密每个像素对应的毫米数越小测量精度上限越高。焦距也是一个被忽视的因素广角镜头边缘畸变更严重尺寸检测尽量用略长焦一点的镜头或者让被测物体尽量靠近画面中心。4. 常见问题排查与进阶方向4.1 高频踩坑记录与解决方案做这个项目最容易出的问题我整理成一张速查表都是实际调试中反复遇到的现象可能原因解决办法轮廓检测不全目标被框了一半目标与背景颜色接近边缘提取失败改用 HSV 色彩空间做颜色分割或换背景板增加对比度参考物边缘锯齿严重拟合不出四边形图像模糊、分辨率太低调高相机分辨率增强光照增大 approxPolyDP 的 epsilon 参数画面倾斜但不做矫正测量误差大相机光轴不垂直于被测平面增加透视变换环节用参考物四顶点做矫正多个被测物连在一起轮廓粘连物体间距太近边缘在 Canny 里连成一条用形态学腐蚀操作断开粘连或改用分水岭算法做分割比例尺基准弄反尺寸整体偏大/偏小参考物横竖放置和代码假设不一致确认 boundingRect 的宽高对应参考物的哪个真实尺寸环境光变化同一物体尺寸越测越偏Canny 阈值固定对亮度敏感改用自适应阈值 cv2.adaptiveThreshold或在固定光源下作业代码报错 findContours 参数问题OpenCV 版本不同返回值的个数不一致新版 OpenCV 用 contours, hierarchy cv2.findContours(...)老版本是三个返回值一个物体测量结果忽大忽小轮廓边缘在 Canny 里不稳定逐帧抖动对测量结果做滑动平均滤波或先做膨胀闭运算让边缘更连续这里面我想单独强调一下参考物识别的问题。网上很多教程都默认“面积最大的轮廓就是参考物”但实际项目中被测物可能比参考物大得多。更稳妥的做法有两个一是给参考物固定位置比如画面左上角永远贴一张标签纸检测时直接取左上角 ROI 区域内的轮廓二是给参考物赋予特征颜色比如亮蓝色的标签纸检测时先做 HSV 颜色过滤找到蓝色区域再拟合轮廓这样就算被测物比参考物大也不会认错。还有一个经常被忽略的细节参考物的面积占比。如果参考物在画面里太小比如只占几万个像素比例尺的分母大了量化误差就会被放大。我一般会让参考物占画面五分之一左右这样像素比例精确到小数点后四到五位最终毫米精度才靠谱。相机分辨率提高之后参考物占的比例可以适当缩小。4.2 继续往前走相机标定与三维测量当你的精度要求超过“差不多能看”这个阶段就要接触相机标定了。镜头天然存在畸变尤其是广角镜头画面边缘的直线会变弯这时候算出来的物体尺寸在边缘区域误差很大。cv2.calibrateCamera 的原理是拍摄十几张不同角度的棋盘格标定板软件算出相机的内参矩阵和畸变系数再用 cv2.undistort 对每一帧做畸变矫正。这套流程并不复杂但对精度提升非常明显特别是当你需要测量整个画面里多个位置的物体时。再往后走就是三维测量。单目加参考物的方案只能测平面内的长宽没法测高度和厚度。想要测三维尺寸常规路线是双目立体视觉两颗相机从不同视角拍同一物体通过双目标定得到两相机的位置关系再用立体匹配算法计算视差最后恢复每个点的深度信息。这个方案在 OpenCV 里也有完整模块从 stereoCalibrate 到 stereoBM、StereoSGBM 都有现成 API。如果你关注过近年大火的 3D 重建比如 3DGS基础也离不开相机的内外参标定和特征点三角化本质上和这个项目是同一个知识树上的不同分支。学完今天这套平面尺寸检测再去啃双目标定的立体匹配理解成本会低非常多。最后分享一个我做这个项目时养成的习惯。调试阶段我不会盯着最终毫米数看而是先在图上把轮廓可视化画出来确认边缘检测和轮廓提取的结果是稳定的再去看比例尺换算。轮廓没画对后面的数值再精确也没有意义。按这个顺序排查问题整个项目推进起来会顺很多。如果你准备在自己的场景里复现这套流程建议第一步别急着写代码先拿手机拍一张包含参考物和被测物的照片用画图软件看看目标边缘到底清不清晰、背景反差不大于不够。预处理做不好再好的算法也白搭。等到图片这一关过了再接摄像头做实时检测会少走很多弯路。