Python+OpenCV：精准截取两张图片黄色圈并对比偏移量！

要使用 OpenCV 截取两张图片中间的黄色圈并对比偏移量，大致需要以下步骤： 1. 图像预处理 - 将图像转换到合适的颜色空间，例如 HSV 颜色空间，以便更好地提取黄色区域。 2. 提取黄色区域 - 设置合适的 HSV 阈值来识别黄色。 3. 形态学操作 - 对提取的黄色区域进行形态学操作，如开运算、闭运算等，以去除噪声和填充空洞。 4. 寻找轮廓 - 使用 `findContours` 函数找到黄色区域的轮廓。 5. 确定黄色圈 - 根据轮廓的特征（如面积、周长等）筛选出可能的黄色圈。 6. 截取黄色圈 - 根据确定的黄色圈的位置和大小，从原图像中截取。 7. 对比偏移量 - 对于两张图片截取的黄色圈，可以通过计算它们的中心坐标或其他特征点的坐标差异来确定偏移量。 以下是一个简单的示例代码，展示了部分关键步骤，假设已经读取了两张图片 `image1` 和 `image2` ： ```python import cv2 import numpy as np # 将图像转换到 HSV 颜色空间 hsv1 = cv2.cvtColor(image1, cv2.COLOR_BGR2HSV) hsv2 = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV) # 设置黄色的 HSV 阈值范围 lower_yellow = np.array([20, 100, 100]) upper_yellow = np.array([30, 255, 255]) # 提取黄色区域 mask1 = cv2.inRange(hsv1, lower_yellow, upper_yellow) mask2 = cv2.inRange(hsv2, lower_yellow, upper_yellow) # 形态学操作 kernel = np.ones((5, 5), np.uint8) mask1 = cv2.morphologyEx(mask1, cv2.MORPH_OPEN, kernel) mask2 = cv2.morphologyEx(mask2, cv2.MORPH_OPEN, kernel) # 寻找轮廓 contours1, _ = cv2.findContours(mask1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours2, _ = cv2.findContours(mask2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 确定黄色圈 # 这里需要根据轮廓的特征筛选出黄色圈，示例中假设面积较大的轮廓为黄色圈 areas1 = [cv2.contourArea(c) for c in contours1] max_area_index1 = np.argmax(areas1) yellow_circle1 = contours1[max_area_index1] areas2 = [cv2.contourArea(c) for c in contours2] max_area_index2 = np.argmax(areas2) yellow_circle2 = contours2[max_area_index2] # 计算黄色圈的中心坐标 M1 = cv2.moments(yellow_circle1) cx1 = int(M1['m10'] / M1['m00']) cy1 = int(M1['m01'] / M1['m00']) M2 = cv2.moments(yellow_circle2) cx2 = int(M2['m10'] / M2['m00']) cy2 = int(M2['m01'] / M2['m00']) # 计算偏移量 offset_x = cx2 - cx1 offset_y = cy2 - cy1 ``` 这只是一个简单的示例，实际应用中可能需要更复杂的处理来准确提取和对比黄色圈的偏移量，例如处理多个黄色圈、更精确的轮廓筛选等。 ######[AI写代码神器 | 876点数解答 | 2024-08-10 10:13:17]