1.一种基于坐标变换的区域面积计算方法，其特征在于，包括如下步骤：步骤1：记原始图像为F1，设图像F1的世界坐标系建立在z＝0平面上，根据式(1)进行计算，得到简化后的关系式，如式(2)所示；

其中，t为一个不为0的比例因子，m为图像像素点(u,v)的齐次坐标形式，M为z＝0的世界坐标(x,y)的齐次坐标形式，P为相机内参矩阵，{p1,p2,p3,p4,p5,p6,p7,p8,p9}是矩阵P中的元素，t×m＝P×M为图像坐标、实际坐标与相机参数的转换关系式；

步骤2：在原始图像F1中，选取4个测量参照点并记为A、B、C和D，选择其中任意一点作为原点(0,0)并建立平面坐标系，然后可获取在该坐标系下的四个参照点的实际坐标并记为A(X1,Y1)、B(X2,Y2)、C(X3,Y3)和D(X4,Y4)，同时获取这四个参照点对应的图像像素点的坐标并记为A(U1,V1)、B(U2,V2)、C(U3,V3)和D(U4,V4)，将(X1,Y1)、(X2,Y2)、(X3,Y3)、(X4,Y4)、(U1,V1)、(U2,V2)、(U3,V3)和(U4,V4)代入式(2)，并令p9＝1，得到如式(3)所示的8元一次线性方程；

步骤3：利用克莱姆公式对式(3)进行求解，得到相机内参矩阵P，将P代入式(1)，消去比例因子t，得到如式(4)所示的图像坐标和实际坐标的关系式；

其中，(u,v)是图像中的像素点坐标，(x,y)是世界坐标中z＝0的实际坐标，{p1,p2,p3,p4,p5,p6,p7,p8,p9}是已解矩阵P中的元素；

步骤4：将原始图像F1读入至训练好的语义分割模型，得到轮廓概率图并进行二值化，对二值化后的图像进行轮廓检测，提取最外围轮廓的像素点坐标并构成如式(5)所示的集合T，输出轮廓预测图并记为F2；

T＝{(ui,vi)|i＝1,2,…,n}                             (5)其中，(ui,vi)表示最外围轮廓中第i个像素点的坐标，n表示最外围轮廓的像素点个数；

步骤5：遍历集合T中的像素点并将像素点坐标代入式(4)，得到图像F2外围轮廓的像素点对应的实际坐标集合，记为TN，如式(6)所示；

TN＝{(xi,yi)|i＝1,2,…,n}                                  (6)其中，(xi,yi)表示最外围轮廓中第i个像素点对应的实际坐标，n表示对应像素点的个数；

步骤6：根据式(7)求取最外围轮廓的中心点坐标(x0,y0)；

步骤7：根据式(8)求得最外围轮廓的区域面积S；

其中，(xi,yi)∈TN，(xi+1,yi+1)∈TN。