如何使用Python和OpenCV從9000x7000像素的圖片中提取兩個圓形區域？

Python與OpenCV高效提取9000x7000像素圖片中的兩個圓形區域

處理超高分辨率圖像（例如9000x7000像素）並從中提取特定形狀（例如圓形）是圖像處理和計算機視覺中的常見挑戰。本文提供一種使用Python和OpenCV庫的解決方案，高效準確地提取目標圓形區域。

現有代碼存在的問題是：檢測到的圓形過多，無法精確選取所需的兩處圓形區域。 為了改進，我們將採用以下策略：

1. 圖像預處理：縮放與降噪：首先，為了提高處理效率，我們將原始圖像縮小至合適的尺寸。同時，應用高斯模糊濾波器來減少圖像噪聲，從而提高圓形檢測的準確性。

 import cv2
import numpy as np

image_path = r"c:\users\17607\desktop\smls pictures\pic_20231122151507973.bmp"

# 讀取圖像img = cv2.imread(image_path)

# 縮放圖像(調整縮放比例根據實際情況)
scale_percent = 10 # 縮放至原圖的1/10
width = int(img.shape[1] / scale_percent)
height = int(img.shape[0] / scale_percent)
dim = (width, height)
resized_img = cv2.resize(img, dim, interpolation=cv2.INTER_AREA)

# 灰度轉換gray = cv2.cvtColor(resized_img, cv2.COLOR_BGR2GRAY)

# 高斯模糊blurred = cv2.GaussianBlur(gray, (5, 5), 0)

2. 邊緣檢測：Canny算法：使用Canny邊緣檢測算法提取圖像邊緣信息，為後續圓形檢測做準備。

 # Canny邊緣檢測edges = cv2.Canny(blurred, 50, 150)

3. 圓形檢測：霍夫變換：利用霍夫圓變換(HoughCircles)檢測圖像中的圓形。關鍵在於參數調整，以確保只檢測到我們需要的兩個圓形。這裡我們根據圓的半徑大小進行篩選，選擇兩個最大的圓形。

 # 霍夫圓變換circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 40, param1=50, param2=30, minRadius=0, maxRadius=0)

if circles is not None:
    circles = np.uint16(np.around(circles))
    # 選擇兩個最大的圓circles = circles[0, :]
    circles = circles[np.argsort(circles[:, 2])[::-1][:2]] # 選擇半徑最大的兩個圓for i in circles:
        center_x, center_y, radius = i
        # 在縮放後的圖像上繪製圓形cv2.circle(resized_img, (center_x, center_y), radius, (0, 0, 255), 2)
        cv2.circle(resized_img, (center_x, center_y), 2, (255, 0, 0), 3)

    cv2.imshow("Detected Circles", resized_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

通過以上步驟，我們可以有效地從高分辨率圖像中提取出兩個最大的圓形區域，並通過可視化結果進行驗證。 需要注意的是， scale_percent和霍夫變換的參數需要根據實際圖像進行調整，以達到最佳的檢測效果。 如果兩個圓形大小相近，可能需要根據圓心坐標或其他特徵進行更精細的選擇。

以上是如何使用Python和OpenCV從9000x7000像素的圖片中提取兩個圓形區域？的詳細內容。更多資訊請關注PHP中文網其他相關文章！