README.md

tower-eye

本项目的主要工作是基于中科院大气物理研究所的气象观测塔上的相机拍摄的照片反算能见度。

快速开始

要运行本项目，需要先将仓库克隆到本地

$ git clone https://github.com/caiyunapp/tower-eye.git

安装依赖

$ pip install -r requirements.txt

运行样例：

$ python towereye.py
基于 IAP 铁塔照片反算当前北京市的能见度为 19.0 km

如果想要测试其他时刻的照片，可以参考以下代码：

from towereye import analysis_visibility

image_fp = "./iap-tower-camera.jpg"  # 替换为你下载的 IAP 铁塔的照片（须为东北方向）

visibility = analysis_visibility(image_fp)

print(f"基于 IAP 铁塔照片反算当前北京市的能见度为 {visibility} km")

原理介绍

人工测距

由于 IAP 的铁塔在拍摄方位上保持静止，因此我们首先借用 Google Earth 等相关工具以人工的方式对镜头中的建筑物进行测距。

使用 Google Earth 进行定位和测距

人工确定测距结果

分离物体

在完成了框选和测距以后，我们会将不同距离的建筑物从图片中分割出来。

各建筑物分离结果

清晰度分析

基于对不同能见度下图片的分析，我们认为在大雾状态下，远距离物体所呈现的色彩单一且集中，其主要特点是色彩谱宽窄且色差小。因此我们基于该理论，计算一个可见性的色彩判断评分：灰度值标准差 * 灰度值谱宽。根据实验，该评分大于250时，可以被判定为可见，低于250时，可以判定为不可见。

计算全图能见度

我们会基于这个判据来判断每个框选出的独立建筑物的可见性，而每个独立建筑物则代表其自身的能见度距离。我们只需要把所有框选出的建筑物的可见性计算出来，剔除掉不可见的建筑物后，在所有可见建筑后中取最大距离，即是最终的反算能见度。

大道至简，顶级的算法只需要最朴素的处理方式 🤫

不同能见度的识别效果

我们可以测试一下在不同能见度下 tower-eye 的识别效果，首先是高能见度：

图片存储位置：./data/clear.jpg

测试代码：

from towereye import analysis_visibility
image_fp = "./data/clear.jpg"  # 替换为你下载的 IAP 铁塔的照片（须为东北方向）
visibility = analysis_visibility(image_fp)
print(f"基于 {image_fp} 识别的能见度为 {visibility} km")

返回的结果：

基于 ./data/clear.jpg 识别的能见度为 19.0 km

我们再测试一下大雾天气下的识别结果： 图片存储位置：./data/fog.jpg

将代码中的路径修改为大雾图片的路径后，识别的结果为：

基于 ./data/fog.jpg 识别的能见度为 2.0 km