Python 如何在图像中检测到的斑点周围绘制红色圆圈？

我有以下图像：

我希望在产出方面取得3项成果：

突出显示图像中的黑点/补丁，周围有红色圆形轮廓

计算点/面片的数量

打印覆盖在图像上的点/面片的数量

现在，我只能计算图像中的点/面片数并打印出来：

import cv2

## convert to grayscale
gray = cv2.imread("blue.jpg", 0)

## threshold
th, threshed = cv2.threshold(gray, 100, 255,cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)

## findcontours
cnts = cv2.findContours(threshed, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]

## filter by area
s1= 3
s2 = 20
xcnts = []
for cnt in cnts:
    if s1<cv2.contourArea(cnt) <s2:
        xcnts.append(cnt)

print("Number of dots: {}".format(len(xcnts)))
>>> Number of dots: 66

导入cv2
##转换为灰度
灰色=cv2.imread（“blue.jpg”，0）
##门槛
th，threshed=cv2.阈值（灰色，100255，cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU）
##findcontours
cnts=cv2.findContours（脱粒，cv2.RETR\u列表，cv2.CHAIN\u近似简单）[-2]
##按面积过滤
s1=3
s2=20
xcnts=[]
对于cnt中的cnt：
如果s1>点数：66

但我不知道如何突出显示图像上的补丁

编辑：以下图像的预期结果：

是这样的：

drawContours（）、convexHull（）或MineConclosingCircle（）应能满足您的需要。 以下是来自opencv的教程，介绍了如何执行您想要执行的操作：

---

OpenCV有很多很棒的教程，所以当你想学习一些新的东西时，首先检查它们：）

正如@alkasm先生所说，你可以使用

cv2.drawcours（）

。因此，您可以在代码末尾添加以下内容：

image = cv2.imread("blue.jpg")
cv2.drawContours(image, cnts,
        contourIdx = -1, 
        color = (0, 255, 0), #green
        thickness = 5)
cv2.imshow('Contours', image) 
cv2.waitKey()

现在，图像将如下所示：

---

以下是一些方法：

1。颜色阈值化

其思想是将图像转换为HSV格式，然后定义一个较低和较高的颜色阈值，以隔离所需的颜色范围。这将生成一个遮罩，在该遮罩中，我们可以使用找到遮罩上的轮廓，并使用绘制轮廓

2。简单阈值化

其思想是设置阈值并获得二进制掩码。类似地，为了突出显示图像中的面片，我们使用

cv2.drawContours（）

。为了确定菌落的数量，我们在遍历轮廓时保留一个计数器。最后，为了在图像上打印补丁的数量，我们使用

殖民地：11

检测蓝色斑点的颜色阈值也会起作用

lower = np.array([0, 0, 0])
upper = np.array([179, 255, 84])

您可以使用此脚本确定HSV下限和上限颜色范围

import cv2
import sys
import numpy as np

def nothing(x):
    pass

# Load in image
image = cv2.imread('1.jpg')

# Create a window
cv2.namedWindow('image')

# create trackbars for color change
cv2.createTrackbar('HMin','image',0,179,nothing) # Hue is from 0-179 for Opencv
cv2.createTrackbar('SMin','image',0,255,nothing)
cv2.createTrackbar('VMin','image',0,255,nothing)
cv2.createTrackbar('HMax','image',0,179,nothing)
cv2.createTrackbar('SMax','image',0,255,nothing)
cv2.createTrackbar('VMax','image',0,255,nothing)

# Set default value for MAX HSV trackbars.
cv2.setTrackbarPos('HMax', 'image', 179)
cv2.setTrackbarPos('SMax', 'image', 255)
cv2.setTrackbarPos('VMax', 'image', 255)

# Initialize to check if HSV min/max value changes
hMin = sMin = vMin = hMax = sMax = vMax = 0
phMin = psMin = pvMin = phMax = psMax = pvMax = 0

output = image
wait_time = 33

while(1):

    # get current positions of all trackbars
    hMin = cv2.getTrackbarPos('HMin','image')
    sMin = cv2.getTrackbarPos('SMin','image')
    vMin = cv2.getTrackbarPos('VMin','image')

    hMax = cv2.getTrackbarPos('HMax','image')
    sMax = cv2.getTrackbarPos('SMax','image')
    vMax = cv2.getTrackbarPos('VMax','image')

    # Set minimum and max HSV values to display
    lower = np.array([hMin, sMin, vMin])
    upper = np.array([hMax, sMax, vMax])

    # Create HSV Image and threshold into a range.
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, lower, upper)
    output = cv2.bitwise_and(image,image, mask= mask)

    # Print if there is a change in HSV value
    if( (phMin != hMin) | (psMin != sMin) | (pvMin != vMin) | (phMax != hMax) | (psMax != sMax) | (pvMax != vMax) ):
        print("(hMin = %d , sMin = %d, vMin = %d), (hMax = %d , sMax = %d, vMax = %d)" % (hMin , sMin , vMin, hMax, sMax , vMax))
        phMin = hMin
        psMin = sMin
        pvMin = vMin
        phMax = hMax
        psMax = sMax
        pvMax = vMax

    # Display output image
    cv2.imshow('image',output)

    # Wait longer to prevent freeze for videos.
    if cv2.waitKey(wait_time) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()

---

使用

drawContours（）

请添加第二张显示预期结果的标记图像。谢谢。@MarkSetchell编辑后包含一个示例输出。@Kristada673，提供的图像将以课程的灰度显示。这将打开两个窗口，一个窗口显示原始图像和阈值跟踪器，另一个窗口显示高亮显示的圆。我希望它在同一个窗口中-即，突出显示补丁的原始图像。只需在原始图像上绘制圆，而不是使用绘图。

cv.drawContours（绘图，轮廓，多边形，I，颜色）cv.circle（绘图，（int（中心[I][0]），int（中心[I][1]），int（半径[I]），颜色，2）

将此处的绘图更改为原始图像的名称通过这种方式，我可以获得原始图像上的高光，但“跟踪器”窗口仍会单独显示。如何获取

cv.createTrackbar（）

以在同一原始窗口中创建轨迹栏？是否需要轨迹栏？或者您只是复制了示例中的所有代码？要将其添加到原始图像中，您可以使用

source\u window='source'cv.namedWindow（source\u window）cv.imshow（source\u window，src）

，然后使用

cv.createTrackbar（'Canny thresh:'，source\u window，thresh，max\u thresh，thresh\u callback）

将它们指向您想要轨迹条的窗口。要避免出现另一个窗口，您只需避免创建或显示它。是否有任何方法调整阈值，使较暗的点也高亮显示？请检查此项。。。希望这就是您想要的：）如何突出显示较小的补丁而不是较大的补丁？例如：使用具有最小/最大阈值区域的

cv2.contourArea（）

。如果轮廓通过此过滤器，则高亮显示它，否则忽略它。类似于

maximum=500

，

如果cv2.contourArea（c）

则高亮显示

lower = np.array([0, 0, 0])
upper = np.array([179, 255, 84])

import cv2
import sys
import numpy as np

def nothing(x):
    pass

# Load in image
image = cv2.imread('1.jpg')

# Create a window
cv2.namedWindow('image')

# create trackbars for color change
cv2.createTrackbar('HMin','image',0,179,nothing) # Hue is from 0-179 for Opencv
cv2.createTrackbar('SMin','image',0,255,nothing)
cv2.createTrackbar('VMin','image',0,255,nothing)
cv2.createTrackbar('HMax','image',0,179,nothing)
cv2.createTrackbar('SMax','image',0,255,nothing)
cv2.createTrackbar('VMax','image',0,255,nothing)

# Set default value for MAX HSV trackbars.
cv2.setTrackbarPos('HMax', 'image', 179)
cv2.setTrackbarPos('SMax', 'image', 255)
cv2.setTrackbarPos('VMax', 'image', 255)

# Initialize to check if HSV min/max value changes
hMin = sMin = vMin = hMax = sMax = vMax = 0
phMin = psMin = pvMin = phMax = psMax = pvMax = 0

output = image
wait_time = 33

while(1):

    # get current positions of all trackbars
    hMin = cv2.getTrackbarPos('HMin','image')
    sMin = cv2.getTrackbarPos('SMin','image')
    vMin = cv2.getTrackbarPos('VMin','image')

    hMax = cv2.getTrackbarPos('HMax','image')
    sMax = cv2.getTrackbarPos('SMax','image')
    vMax = cv2.getTrackbarPos('VMax','image')

    # Set minimum and max HSV values to display
    lower = np.array([hMin, sMin, vMin])
    upper = np.array([hMax, sMax, vMax])

    # Create HSV Image and threshold into a range.
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    mask = cv2.inRange(hsv, lower, upper)
    output = cv2.bitwise_and(image,image, mask= mask)

    # Print if there is a change in HSV value
    if( (phMin != hMin) | (psMin != sMin) | (pvMin != vMin) | (phMax != hMax) | (psMax != sMax) | (pvMax != vMax) ):
        print("(hMin = %d , sMin = %d, vMin = %d), (hMax = %d , sMax = %d, vMax = %d)" % (hMin , sMin , vMin, hMax, sMax , vMax))
        phMin = hMin
        psMin = sMin
        pvMin = vMin
        phMax = hMax
        psMax = sMax
        pvMax = vMax

    # Display output image
    cv2.imshow('image',output)

    # Wait longer to prevent freeze for videos.
    if cv2.waitKey(wait_time) & 0xFF == ord('q'):
        break

cv2.destroyAllWindows()