有一张来自锅炉的灰度图片，图片里面有10个一样的物体，已知这第1个物体的温度（红外测温仪测得），请推荐一个开源程序用于计算其余9个物体的温度

可以使用 OpenCV 库来进行图像处理和计算。具体可以使用 OpenCV 中的函数 cv::threshold 对灰度图像进行二值化处理，然后使用 cv::findContours 函数找到物体的轮廓，再使用 cv::boundingRect 函数计算出每个物体的矩形框，最后根据矩形框内的像素值计算出每个物体的温度。

相关问题

有一张来自锅炉的灰度图片，图片里面有10个一样的物体，已知这第1个物体的温度，写一个热成像图像处理算法计算余下的9个物体的温度

对于这个问题，我可以回答。根据热成像图像处理算法，我们可以通过计算每个像素点的温度值，来得到整张图片中每个物体的温度。具体的算法可以根据实际情况进行选择和调整，比如可以使用基于灰度值的阈值分割算法，或者基于图像梯度的边缘检测算法等等。总之，通过合适的算法和处理方式，我们可以得到每个物体的温度值。

有一张来自锅炉的灰度图片，图片里面有10个一样的东西，已知这10个东西里面其中1个的温度（红外测温仪测得），请推荐一个python程序给我计算其余9个的温度

可以使用Python中的numpy库和OpenCV库来处理这张灰度图片，具体步骤如下：

1. 读取灰度图片并转换为numpy数组
2. 对图片进行二值化处理，将图片中的物体和背景分离出来
3. 使用OpenCV库中的findContours函数找到图片中的物体轮廓
4. 对每个物体轮廓进行面积和中心点坐标的计算
5. 根据已知温度和中心点坐标之间的距离关系，计算出每个物体的温度

下面是一个简单的Python程序示例：

import cv2
import numpy as np

# 读取灰度图片并转换为numpy数组
img = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)
img = np.array(img)

# 对图片进行二值化处理
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

# 使用findContours函数找到图片中的物体轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 对每个物体轮廓进行面积和中心点坐标的计算
for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > 100:  # 过滤掉面积太小的轮廓
        M = cv2.moments(cnt)
        cx = int(M['m10'] / M['m00'])
        cy = int(M['m01'] / M['m00'])
        
        # 根据已知温度和中心点坐标之间的距离关系，计算出每个物体的温度
        # 这里假设已知温度为30度，距离为10个像素
        distance = 10
        known_temp = 30
        temp = known_temp - distance * 0.5
        
        print("物体中心点坐标：({},{})，温度：{}度".format(cx, cy, temp))

注意：这个程序只是一个简单的示例，实际应用中需要根据具体情况进行调整和优化。