圆形检测--轮廓检测法

最新推荐文章于 2025-03-05 19:42:55 发布

小鸟绿茶

最新推荐文章于 2025-03-05 19:42:55 发布

阅读量6.5k

点赞数 3

分类专栏：图像处理

本文链接：https://blog.csdn.net/weixin_43861333/article/details/89924885

版权

图像处理专栏收录该内容

6 篇文章

订阅专栏

本文介绍一种轮廓对比方法检测圆形，比霍夫检测更准确。输入路径，若有圆则返回圆的轮廓点并可画出。还提到事先将圆的集合点保存为numpy格式，调用即可。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文编写了一种轮廓对比方法检测圆形，比霍夫检测更准确一些。
输入为路径，如果有圆，则返回圆的轮廓点，还可以画出来。
备注： cnt2 是圆的集合点，我事先把圆的集合点保存为了numpy格式，在调用就ok。

import numpy as np
import cv2

def img_read(path):  #读图片，返回二值图
    image = cv2.imread(path)
    img_gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)   
    ret,th1 = cv2.threshold(img_gray,200,255,cv2.THRESH_BINARY)
    return th1
def img_erosion(image,k):   #图像腐蚀 增强线条 k为核大小
    kernel = np.ones((k,k),np.uint8)  
    erosion = cv2.erode(image,kernel,iterations = 1)
#    dilation = cv2.dilate(th1,kernel,iterations = 1)
    return erosion
def drawContours(image,counts): #根据点画出点图像
    color = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
    dst = cv2.drawContours(color, counts, -1, (0,255,0), 2) 
    cv2.imshow("dst", dst)
    cv2.waitKey(0)

path="test_images/26.jpg"  #图片路径
#path2="test_images/20.jpg"
def circle(path): #检测圆，返回圆的列表
    img1=img_read(path)
    img_er=img_erosion(img1,3)    #图像增强
    img1,contours1,hierarchy1=cv2.findContours(img_er,cv2.RETR_CCOMP, cv2.CHAIN_APPROX_NONE)     #找轮廓点
    ret_list=[] #相似率
    cnt_list=[] #圆的点
    for contour in contours1:   
        cnt1 = contour     
        cnt2 = np.load("counts2.npy")
        ret = cv2.matchShapes(cnt1,cnt2,1,0.0)   #图片1与cnt2（标准圆的轮廓点）做匹配对比
        if ret<0.005: #阀值设置   #越小，则越像圆
            ret_list.append(ret)
            cnt_list.append(cnt1)
#    print(ret_list)
    drawContours(img1,cnt_list)   #画出图像
    return cnt_list

circle(path)   #运行程序