Python 2.7 如何识别此圆边？

我正在尝试使用python中的OpenCV识别这张图片中的一个圆：

我用网络摄像机拍到了这张照片。 这个灰色圆圈的内部也有一个徽标。该徽标与圆圈外部（黑色）的颜色相同

我想把这个灰色的圆圈和黑色的背景分开，在圆圈周围画一条锐利的线

我如何继续？

一个建议： 将图像转换为灰度图像，并使用Hough圆变换检测圆。 opencv3.0.0中显示了一个示例。建议： 将图像转换为灰度图像，并使用Hough圆变换检测圆。

---

opencv3.0.0中显示了一个示例。

以下是实现此目标的方法： 首先是阈值图像，然后使用查找坐标函数，返回列表的最大值将是您的圆。找到山峰，画一个圆圈穿过它们

import cv2 
import numpy as np
import random
from random import randint
import math

image=cv2.imread('C:/Users/srlatch/Desktop/XtfWR.jpg')
img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)


def f(list):
    max=[]
    for i in list:
        if len(i)>len(max):
            max=i
    return max 

def draw_circle(img,ctr):
    for i in ctr:
        img[i[0][1]][i[0][0]]=255


ret,tresh = cv2.threshold(img,40,255,cv2.THRESH_BINARY)
kernel = np.ones((5,5),np.uint8)
cv2.erode(img,kernel,iterations=2)
tresh,c,hr=cv2.findContours(tresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
circle=f(c)


max_y=0

min_y=circle[0][0][1]

max_x=0

min_x=circle[0][0][0]


pointY=tuple()
pointy=tuple()
pointX=tuple()
pointx=tuple()


for i in circle:
    if i[0][1]>max_y: 
      max_y=i[0][1]
      pointY=(i[0][1], i[0][0])

for i in circle:
    if i[0][1]<=min_y: 
      min_y=i[0][1]
      pointy=(i[0][1], i[0][0])

for i in circle:
    if i[0][0]>max_x: 
      max_x=i[0][0]
      pointX=(i[0][1], i[0][0])

for i in circle:
    if i[0][0]<=min_x: 
      min_x=i[0][0]
      pointx=(i[0][1], i[0][0])

cv2.ellipse(image, (pointY[1],pointY[0]),(2,2),0,0,360,(243,0,214),-1)  #min y
cv2.ellipse(image, (pointy[1],pointy[0]),(2,2),0,0,360,(243,0,214),-1)  #max y
cv2.ellipse(image, (pointX[1],pointX[0]),(2,2),0,0,360,(243,0,214),-1)  #min y
cv2.ellipse(image, (pointx[1],pointx[0]),(2,2),0,0,360,(243,0,214),-1)  #min y

center_x=(pointX[0]+pointx[0])/2
center_y=( (pointY[1]+pointy[1])/2 )-pointy[0]

cv2.circle(image, (int(center_x),int(center_y)), int((center_y+pointy[0])-60),(243,0,214), thickness=1, lineType=8, shift=0)

cv2.imshow('wnd', image)

cv2.waitKey(0)

导入cv2
将numpy作为np导入
随机输入
从随机导入randint
输入数学
image=cv2.imread（'C:/Users/srlack/Desktop/XtfWR.jpg'））
img=cv2.cvt颜色（图像，cv2.COLOR\u bgr2灰色）
def f（列表）：
最大值=[]
对于列表中的i：
如果len（i）>len（max）：
max=i
返回最大值
def牵引圈（img、ctr）：
对于ctr中的i：
img[i[0][1]][i[0][0]]=255
ret，tresh=cv2.threshold（img，40255，cv2.THRESH_二进制）
内核=np.ones（（5,5），np.uint8）
侵蚀（img，内核，迭代次数=2）
tresh，c，hr=cv2.查找对象（tresh，cv2.检索树，cv2.链近似简单）
圆=f（c）
max_y=0
最小y=圆[0][0][1]
max_x=0
min_x=圆[0][0][0]
pointY=tuple（）
pointy=tuple（）
pointX=元组（）
pointx=元组（）
对于圈中的i：
如果i[0][1]>最大值：
max_y=i[0][1]
pointY=（i[0][1]，i[0][0]）
对于圈中的i：
如果i[0][1]max_x：
max_x=i[0][0]
pointX=（i[0][1]，i[0][0]）
对于圈中的i：
如果i[0][0]以下是实现此目标的方法：
首先是阈值图像，然后使用查找坐标函数，返回列表的最大值将是您的圆。找到山峰，画一个圆圈穿过它们

import cv2 
import numpy as np
import random
from random import randint
import math

image=cv2.imread('C:/Users/srlatch/Desktop/XtfWR.jpg')
img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)


def f(list):
    max=[]
    for i in list:
        if len(i)>len(max):
            max=i
    return max 

def draw_circle(img,ctr):
    for i in ctr:
        img[i[0][1]][i[0][0]]=255


ret,tresh = cv2.threshold(img,40,255,cv2.THRESH_BINARY)
kernel = np.ones((5,5),np.uint8)
cv2.erode(img,kernel,iterations=2)
tresh,c,hr=cv2.findContours(tresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
circle=f(c)


max_y=0

min_y=circle[0][0][1]

max_x=0

min_x=circle[0][0][0]


pointY=tuple()
pointy=tuple()
pointX=tuple()
pointx=tuple()


for i in circle:
    if i[0][1]>max_y: 
      max_y=i[0][1]
      pointY=(i[0][1], i[0][0])

for i in circle:
    if i[0][1]<=min_y: 
      min_y=i[0][1]
      pointy=(i[0][1], i[0][0])

for i in circle:
    if i[0][0]>max_x: 
      max_x=i[0][0]
      pointX=(i[0][1], i[0][0])

for i in circle:
    if i[0][0]<=min_x: 
      min_x=i[0][0]
      pointx=(i[0][1], i[0][0])

cv2.ellipse(image, (pointY[1],pointY[0]),(2,2),0,0,360,(243,0,214),-1)  #min y
cv2.ellipse(image, (pointy[1],pointy[0]),(2,2),0,0,360,(243,0,214),-1)  #max y
cv2.ellipse(image, (pointX[1],pointX[0]),(2,2),0,0,360,(243,0,214),-1)  #min y
cv2.ellipse(image, (pointx[1],pointx[0]),(2,2),0,0,360,(243,0,214),-1)  #min y

center_x=(pointX[0]+pointx[0])/2
center_y=( (pointY[1]+pointy[1])/2 )-pointy[0]

cv2.circle(image, (int(center_x),int(center_y)), int((center_y+pointy[0])-60),(243,0,214), thickness=1, lineType=8, shift=0)

cv2.imshow('wnd', image)

cv2.waitKey(0)

导入cv2
将numpy作为np导入
随机输入
从随机导入randint
输入数学
image=cv2.imread（'C:/Users/srlack/Desktop/XtfWR.jpg'））
img=cv2.cvt颜色（图像，cv2.COLOR\u bgr2灰色）
def f（列表）：
最大值=[]
对于列表中的i：
如果len（i）>len（max）：
max=i
返回最大值
def牵引圈（img、ctr）：
对于ctr中的i：
img[i[0][1]][i[0][0]]=255
ret，tresh=cv2.threshold（img，40255，cv2.THRESH_二进制）
内核=np.ones（（5,5），np.uint8）
侵蚀（img，内核，迭代次数=2）
tresh，c，hr=cv2.查找对象（tresh，cv2.检索树，cv2.链近似简单）
圆=f（c）
max_y=0
最小y=圆[0][0][1]
max_x=0
min_x=圆[0][0][0]
pointY=tuple（）
pointy=tuple（）
pointX=元组（）
pointx=元组（）
对于圈中的i：
如果i[0][1]>最大值：
max_y=i[0][1]
pointY=（i[0][1]，i[0][0]）
对于圈中的i：
如果i[0][1]max_x：
max_x=i[0][0]
pointX=（i[0][1]，i[0][0]）
对于圈中的i：
如果i[0][0]另一种方法是使用中值滤波器过滤图像。它减少了噪音并保留了边缘。在这之后，您可以使用固定的
阈值进行二值化（您有一个很好的双峰直方图），然后执行
findContours
。然后您可以计算
mineConclosingCircle
或使用
fitEllipse
或任何您想要实现的功能

# Blur the image to supress artefacts
# in the binary image while preserving edges
median = cv2.medianBlur(imgray,15)
# Do a global thresholding
ret, thresh = cv2.threshold(median,0,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU)

#Copy image to show binary image (findContours maipulates source)
copy =thresh.copy()

#Detect just external contours
im2, contours, hierarchy = cv2.findContours(copy, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
height, width, channels = src.shape

#Image for displaying contour
drawing = np.zeros((height, width, 3), dtype='uint8')

#No loop needed, just one external contour
#Draw contour, minimal enclosing circle and ellispe
cv2.drawContours(drawing,contours,0,(255,0,0))
(x,y), radius = cv2.minEnclosingCircle(contours[0])
center = (int(x),int(y))
cv2.circle(drawing,center,int(radius),(0,0,255))
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(drawing,ellipse,(0,255,0),1)

cv2.imshow("Binary", thresh)
cv2.imshow("Median", median)
cv2.imshow("Contour", drawing)




以下是结果，轮廓显示为蓝色，MineConclosingCircle显示为红色，椭圆显示为绿色

另一种方法是使用中值滤波器过滤图像。它减少了噪音并保留了边缘。在这之后，您可以使用固定的
阈值进行二值化（您有一个很好的双峰直方图），然后执行
findContours
。然后您可以计算
mineConclosingCircle
或使用
fitEllipse
或任何您想要实现的功能

# Blur the image to supress artefacts
# in the binary image while preserving edges
median = cv2.medianBlur(imgray,15)
# Do a global thresholding
ret, thresh = cv2.threshold(median,0,255,cv2.THRESH_BINARY + cv2.THRESH_OTSU)

#Copy image to show binary image (findContours maipulates source)
copy =thresh.copy()

#Detect just external contours
im2, contours, hierarchy = cv2.findContours(copy, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
height, width, channels = src.shape

#Image for displaying contour
drawing = np.zeros((height, width, 3), dtype='uint8')

#No loop needed, just one external contour
#Draw contour, minimal enclosing circle and ellispe
cv2.drawContours(drawing,contours,0,(255,0,0))
(x,y), radius = cv2.minEnclosingCircle(contours[0])
center = (int(x),int(y))
cv2.circle(drawing,center,int(radius),(0,0,255))
ellipse = cv2.fitEllipse(contours[0])
cv2.ellipse(drawing,ellipse,(0,255,0),1)

cv2.imshow("Binary", thresh)
cv2.imshow("Median", median)
cv2.imshow("Contour", drawing)




以下是结果，轮廓显示为蓝色，MineConclosingCircle显示为红色，椭圆显示为绿色

谢谢你的示例代码。什么是max_y_f（）函数？图片下的max-min函数，我只是删除了函数定义谢谢…我自己做的..我在重新排列代码时得到了一些提示…所以，我学到了一些东西。。但是，它没有给出确切的中心点。。谢谢你的示例代码。什么是max_y_f（）函数？图片下的max-min函数，我只是删除了函数定义hanks…我自己做的..我在重新排列代码时得到了一些提示…所以，我学到了一些东西。。但是，它没有给出确切的中心点。。好主意。也许我可以得到你的信息来改进我的代码。谢谢。你先只添加了idea。然后你编辑了答案…所以，我的意思是关于idea的…不管怎样，我使用的是Python…所以，我需要转换你的代码。谢谢谢谢…我用这个系统可以得到精确的中心点。但是，这个系统可以得到给定形状的任何中心点。你知道只检测圆心吗？你能解释一下你的意思吗？我不明白！你想要形状的确切中心吗？对不起，如果你进一步解释的话，我可能会明白。我想，如果我给一个圆的形状，它可以识别圆心。没问题。但是，如果我给一个矩形或任何其他形状，它也可以识别圆心。实际上，这个代码每次都会自动得到一个形状。怎么才能只找到一个圆心呢？好主意。也许我可以得到你的信息来改进我的代码。谢谢。你先只添加了idea。然后你编辑了答案…所以，我的意思是关于idea的…不管怎样，我使用的是Python…所以，我需要转换你的代码。谢谢谢谢…我用这个系统可以得到精确的中心点。但是，这个系统可以得到给定形状的任何中心点。你知道只检测圆心吗？你能解释一下你的意思吗？我不明白！你想要形状的确切中心吗？对不起，如果你再解释一下，也许我会明白的