#!/usr/bin/env python3 # -*- coding: utf-8 -*- import cv2 import numpy as np import os import argparse import matplotlib.pyplot as plt def analyze_sky_ratio(image_path, method="threshold", debug=False, save_result=False): """ 分析图片中天空占整个图片的比例，支持多种检测方法 参数: image_path: 图片路径 method: 检测方法，可选 "threshold"(阈值法), "kmeans"(K均值聚类), "gradient"(梯度法) debug: 是否显示处理过程中的图像，用于调试 save_result: 是否保存处理结果图像 返回: sky_ratio: 天空占比（0-1之间的浮点数） """ # 读取图片 img = cv2.imread(image_path) if img is None: raise ValueError(f"无法读取图片: {image_path}") # 获取图片文件名（不带路径和扩展名） filename = os.path.splitext(os.path.basename(image_path))[0] # 根据不同方法检测天空 if method == "threshold": sky_mask, sky_ratio = threshold_method(img) elif method == "kmeans": sky_mask, sky_ratio = kmeans_method(img) elif method == "gradient": sky_mask, sky_ratio = gradient_method(img) else: raise ValueError(f"不支持的检测方法: {method}") # 在原图上标记天空区域 result = img.copy() overlay = img.copy() overlay[sky_mask > 0] = [0, 255, 255] # 用黄色标记天空区域 cv2.addWeighted(overlay, 0.4, img, 0.6, 0, result) # 半透明效果 # 显示检测结果信息 cv2.putText(result, f"Sky Ratio: {sky_ratio:.2%}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 2) # 调试模式：显示处理过程图像 if debug: plt.figure(figsize=(12, 8)) plt.subplot(221) plt.title("Original Image") plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.subplot(222) plt.title("Sky Mask") plt.imshow(sky_mask, cmap='gray') plt.subplot(223) plt.title("Sky Detection Result") plt.imshow(cv2.cvtColor(result, cv2.COLOR_BGR2RGB)) # 直方图分析 plt.subplot(224) plt.title("Grayscale Histogram") gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) plt.hist(gray.ravel(), 256, [0, 256]) plt.xlim([0, 256]) plt.tight_layout() plt.show() # 保存结果 if save_result: result_dir = "results" os.makedirs(result_dir, exist_ok=True) output_path = os.path.join(result_dir, f"{filename}_{method}_result.jpg") cv2.imwrite(output_path, result) print(f"结果已保存至: {output_path}") return sky_ratio def threshold_method(img, threshold=180): """使用简单阈值法检测天空""" # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用阈值分割天空区域（天空通常是图像中较亮的部分） _, sky_mask = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY) # 应用形态学操作，去除噪点 kernel = np.ones((5, 5), np.uint8) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_OPEN, kernel) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_CLOSE, kernel) # 计算天空区域占比 total_pixels = gray.shape[0] * gray.shape[1] sky_pixels = np.sum(sky_mask == 255) sky_ratio = sky_pixels / total_pixels return sky_mask, sky_ratio def kmeans_method(img, k=3): """使用K均值聚类检测天空""" # 转换为RGB格式用于聚类 img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 重塑图像为二维数组 pixels = img_rgb.reshape((-1, 3)).astype(np.float32) # 定义K均值聚类终止条件 criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.2) # 应用K均值聚类 _, labels, centers = cv2.kmeans(pixels, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS) # 找出最亮的聚类中心（可能是天空） centers = centers.astype(np.uint8) brightness = np.mean(centers, axis=1) sky_cluster = np.argmax(brightness) # 创建掩码：仅保留最亮聚类的像素 sky_mask = np.zeros(img_rgb.shape[:2], dtype=np.uint8) labels = labels.reshape(img_rgb.shape[:2]) sky_mask[labels == sky_cluster] = 255 # 应用形态学操作，去除噪点 kernel = np.ones((5, 5), np.uint8) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_OPEN, kernel) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_CLOSE, kernel) # 计算天空区域占比 total_pixels = sky_mask.shape[0] * sky_mask.shape[1] sky_pixels = np.sum(sky_mask == 255) sky_ratio = sky_pixels / total_pixels return sky_mask, sky_ratio def gradient_method(img): """使用图像梯度检测天空（假设天空在图像上部且边缘较少）""" # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用Sobel算子计算梯度 sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3) sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3) # 计算梯度幅值 gradient_magnitude = np.sqrt(sobel_x**2 + sobel_y**2) gradient_magnitude = cv2.normalize(gradient_magnitude, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8) # 假设天空区域梯度较小（纹理较少） _, gradient_mask = cv2.threshold(gradient_magnitude, 50, 255, cv2.THRESH_BINARY_INV) # 假设天空通常位于图像上部 height, width = gradient_mask.shape sky_region_height = int(height * 0.6) # 假设天空在上部60%的区域 # 创建天空掩码 sky_mask = np.zeros_like(gradient_mask) sky_mask[:sky_region_height, :] = gradient_mask[:sky_region_height, :] # 应用形态学操作 kernel = np.ones((5, 5), np.uint8) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_OPEN, kernel) sky_mask = cv2.morphologyEx(sky_mask, cv2.MORPH_CLOSE, kernel) # 计算天空区域占比 total_pixels = gray.shape[0] * gray.shape[1] sky_pixels = np.sum(sky_mask == 255) sky_ratio = sky_pixels / total_pixels return sky_mask, sky_ratio def main(): parser = argparse.ArgumentParser(description='分析图片中天空区域占比') parser.add_argument('image_path', help='图片路径') parser.add_argument('--method', default='threshold', choices=['threshold', 'kmeans', 'gradient'], help='天空检测方法: threshold(阈值法), kmeans(K均值聚类), gradient(梯度法)') parser.add_argument('--debug', action='store_true', help='显示处理过程图像') parser.add_argument('--save', action='store_true', help='保存处理结果图像') args = parser.parse_args() try: sky_ratio = analyze_sky_ratio(args.image_path, args.method, args.debug, args.save) print(f"使用{args.method}方法检测的天空区域占比: {sky_ratio:.2%}") except Exception as e: print(f"错误: {e}") if __name__ == "__main__": main()