opencv识别圆环

最新推荐文章于 2025-02-11 19:42:47 发布

隽_永

最新推荐文章于 2025-02-11 19:42:47 发布

阅读量1.2k

点赞数 13

文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.csdn.net/2402_85024929/article/details/142707011

版权

opencv 识别圆环_opencv之圆的检测识别-CSDN博客

是这位博主给我的思路，现在分享一下复刻过程

代码讲解

导入库
```
python复制代码
```
import cv2 # OpenCV库，用于图像处理
import numpy as np # NumPy库，用于数组和矩阵运算
定义函数
```
ython复制代码
```
def detect_circle_center(image_path):
这个函数接受一个参数image_path，它是要处理的图像的路径。
读取图像
```
python复制代码
```
img = cv2.imread(image_path)
if img is None:
print("Error: Unable to load image.")
return
使用cv2.imread从指定路径加载图像。如果图像无法加载（例如，路径不正确或文件不存在），则打印错误消息并退出函数。
转换为灰度图
```
python复制代码
```
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
使用cv2.cvtColor将彩色图像转换为灰度图。这是因为在许多图像处理任务中，灰度图比彩色图像更容易处理。
高斯模糊去噪
```
python复制代码
```
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
使用cv2.GaussianBlur对灰度图进行高斯模糊处理，以减少图像中的噪声。(5, 5)是高斯核的大小，0是标准差（在这个函数中，如果标准差为0，则根据核大小自动计算）。
图像二值化
```
python复制代码
```
_, thresh = cv2.threshold(blurred, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
使用cv2.threshold对模糊后的图像进行二值化处理。这里使用了cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU作为阈值类型，其中cv2.THRESH_BINARY_INV表示反二值化（即，将高于阈值的像素点设置为黑色，其余设置为白色），cv2.THRESH_OTSU表示使用大津算法自动计算阈值。
寻找轮廓
```
python复制代码
```
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
使用cv2.findContours在二值化图像中寻找轮廓。cv2.RETR_EXTERNAL表示只检索外部轮廓，cv2.CHAIN_APPROX_SIMPLE表示压缩水平方向、垂直方向、对角方向的冗余点，只保留它们的终点。

遍历轮廓并拟合椭圆

python复制代码

	`for cnt in contours:`
	`if len(cnt) > 5:`
	`ellipse = cv2.fitEllipse(cnt)`
	`cv2.ellipse(img, ellipse, (0, 255, 0), 2)`
	`center_x, center_y = ellipse[0][0], ellipse[0][1]`
	`cv2.circle(img, (int(center_x), int(center_y)), 3, (0, 0, 255), -1)`
	`print(f"Circle center: ({center_x}, {center_y})")`

遍历找到的轮廓。只有当轮廓的点数大于5时，才使用cv2.fitEllipse拟合椭圆。然后，在原始图像上绘制椭圆和圆心。椭圆用绿色（(0, 255, 0)）绘制，线宽为2；圆心用红色（(0, 0, 255)）绘制，半径为3，填充绘制（-1表示填充）。

显示结果图像
```
python复制代码
```
cv2.imshow("Detected Circle Center", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
使用cv2.imshow显示处理后的图像。cv2.waitKey(0)表示等待用户按键（这里等待任意键），然后cv2.destroyAllWindows关闭所有OpenCV窗口。