真的！只需 “六步” 实现图像特定物体识别！！！

这是一个人工智能在计算机视觉领域的典型应用，要实现这些功能涉及到技术非常多如：无人机图像传输，图像识别，光伏组件实时数据监测与分析等，本文从“怎样分离出原始图片中的特定区域（光伏组件串）“这个很小的片段入手，来阐述计算机视觉分析究竟个什么样子。文中不涉及到任何算法的原理与细节，我们先梳理实现的整体步骤，并先让代码能跑起来可以看到实际的运行结果。

二、整体思路

通过上面的描述，我们的目标非常清晰，就是要从一张带光伏组件的照片中，分离出来一块块的光伏组件串，下图为原始图片与结果输出后的图片。

那应该如何实现这个功能呢？

整体实现流程大概可分为如6个步骤

1 读取原始图片-->2 转化图片的色彩空间-->3 获取二值化图片 -->4 对图片进行形态学处理-> 5 获取图片轮廓- > 6 切割并保存区域图片

下面对每一个步骤进行说明并提供相应的代码

代码实现使用OpenCV，OpenCV是一个开源的计算机视觉库，它轻量，功能强大，实现了图像处理和计算机视觉方面的诸多算法，可以运行在Linux、Windows、Android和Mac OS操作系统上。同时提供了Python、Ruby、MATLAB等语言的接口。

1、读取原始图片

整个功能实现的过程，就是对图片不断变化的过程。所有，首先需要将磁盘上的图片文件读取到内存并转化为opencv能处理的数据，该数据是一个三维数组（300,400,3），每个维度分别表示高、宽、通道数，数组中的值表示每个像素点不同通道的取值0-255之间，同时由于原始文件的尺寸比较大(3000*4000)为了方便查看，将原始文件等比例缩小。下面是函数实现，传入图片路径与图片缩小比例（默认为1不缩小）返回缩小后的原始图片数组。

def read_resize_image(path, size=1.0):
    """
    读取原始图片文件并从新设置大小
     1) 使用imread读取文件
     2）使用resize从新设置文件大小
     3) 函数返回的是图片的原始数据，可理解为一个三维数组，每个维度分别表示长、宽、通道数，数组中的值表示图片每个像素点不同通道的取值

    """

    original_image = cv2.imread(path)
    if size != 1.0:
        height, width = original_image.shape[:2]
        size = (int(width * size), int(height * size))
        original_image = cv2.res