本文介绍如何使用Python和OpenCV库,高效处理9000x7000像素的大尺寸图片,准确识别其中白色区域内的圆形。 直接处理如此高分辨率的图片效率低下,因此我们将采用图像缩放、二值化和霍夫变换等技术优化处理流程。
原始方法中使用霍夫变换检测圆形,但结果包含大量冗余信息。为了提高准确性,我们需要改进算法,主要步骤如下:
以下是一个改进后的Python代码示例:
import cv2 import numpy as np image_path = r"C:\Users\17607\Desktop\smls pictures\Pic_20231122151507973.bmp" # 请替换为你的图片路径 def detect_circles(image_path): # 读取图像 img = cv2.imread(image_path) # 缩放图像 (调整缩放比例根据实际情况修改) img = cv2.resize(img, (img.shape[1] // 10, img.shape[0] // 10)) # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化处理 (调整阈值根据实际情况修改) _, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY) # 霍夫圆变换 (调整参数根据实际情况修改) circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, 1, 40, param1=50, param2=30, minRadius=0, maxRadius=0) if circles is not None: circles = np.round(circles[0, :]).astype("int") for (x, y, r) in circles: # 筛选位于白色区域的圆形 (调整阈值根据实际情况修改) if np.mean(thresh[y - r:y + r, x - r:x + r]) > 200: cv2.circle(img, (x, y), r, (0, 255, 0), 2) # 画出圆圈 cv2.circle(img, (x, y), 2, (0, 0, 255), 3) # 画出圆心 return img result_image = detect_circles(image_path) cv2.imshow("Detected Circles", result_image) cv2.waitKey(0) cv2.destroyAllWindows()
此代码首先缩放图像以提高效率,然后进行灰度转换和二值化处理,再使用霍夫圆变换检测圆形。最后,通过检查圆形区域的平均灰度值来筛选出位于白色区域内的圆形,并将其绘制在图像上。 请根据实际图像调整代码中的阈值和霍夫变换参数以获得最佳结果。 这比之前的版本更简洁高效,并提供了更清晰的注释。
立即学习“Python免费学习笔记(深入)”;
以上就是如何在Python中处理大尺寸图片以查找白色区域中的圆形区域?的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号