利用opencv工具识别图像中楼宇的窗户数量。编写代码，利用opencv工具结合所学的图像处理技术能够准确识别并框选出楼宇中窗户，且在终端输出楼宇的窗户数量。在图片中框选出所有窗户， 每张图片对窗户总数识别正确，以文字形式输出正确判断结果

要使用OpenCV识别图像中楼宇窗户的数量，我们需要进行以下步骤：

1. **安装依赖**：首先确保已经安装了Python及其相关的库，包括OpenCV (`cv2`), NumPy 和 Pillow。

2. **预处理图像**：
- 转换为灰度图像，以便于后续处理。
- 可能需要进行二值化操作，以突出窗户区域。

import cv2
import numpy as np

def preprocess_image(image_path):
    img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    _, thresholded_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)  # Otsu's thresholding for binarization
    return thresholded_img

3. **窗口检测**：
- 使用霍夫变换或轮廓检测找到窗户矩形。
- 使用滑动窗口遍历图像，寻找窗口候选区域。
- 窗口大小可以根据经验设置，比如常见的窗户尺寸。

def find_windows(binary_img, window_size=(40, 40)):
    windows = []
    window_height, window_width = window_size
    for y in range(0, binary_img.shape[0] - window_height, window_height):
        for x in range(0, binary_img.shape[1] - window_width, window_width):
            if is_window(binary_img[y:y+window_height, x:x+window_width]):
                windows.append((x, y, window_width, window_height))
    return windows

def is_window(window_img):
    # 这里可以添加一些窗口形状特征的检查，如长宽比、边角等
    pass

4. **统计窗户数量**：
- 对找到的窗户进行计数，并记录在文件或终端输出中。

def count_windows(windows):
    return len(windows)

image_path = "building_with_windows.jpg"
binary_img = preprocess_image(image_path)
windows = find_windows(binary_img)
window_count = count_windows(windows)
print(f"识别到的窗户数量：{window_count}")

5. **可视化结果**：
- 如果需要，可以画出窗口边界以确认结果。

def draw_windows_on_image(image_path, windows):
    img = cv2.imread(image_path)
    for window in windows:
        x, y, w, h = window
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
    cv2.imshow("Windows", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

draw_windows_on_image(image_path, windows)

注意：上述代码只是一个基本框架，实际应用中可能需要进一步优化窗口查找算法，例如使用机器学习模型进行更精确的窗户识别。同时，这个过程可能会受到光照、遮挡等因素的影响，所以效果可能并不完美。运行每个函数后记得加上错误检查和异常处理。