### OpenCV 图形识别方法与教程 #### 使用霍夫变换检测圆形 对于图形检测，特别是圆的检测，可以采用霍夫变换的方法。在OpenCV 4.0.0及更早版本中，`cv2.HOUGH_GRADIENT` 是唯一支持的方式用于圆形检测[^1]。 ```cpp vector<Vec3f> circles; HoughCircles(image, circles, HOUGH_GRADIENT, 1, image.rows/8, // change this value to detect circles with different distances to each other 100, 30, 1, 30 // change the last two parameters // (min_radius & max_radius) to detect larger circles ); for( size_t i = 0; i < circles.size(); i++ ) { Vec3i c = circles[i]; Point center = Point(c[0], c[1]); // circle center circle( src, center, 1, Scalar(0,100,100), 3, LINE_AA ); } ``` #### 定义感兴趣区域（ROI） 为了专注于图像的一部分进行处理或分析，“感兴趣区域”概念非常重要。“ROI”是指从原始图像中提取出来的特定子集，这可以通过简单的切片操作来完成。下面是一个Python例子展示如何定义并显示ROI[^2]: ```python import cv2 image = cv2.imread("example.jpg") roi = image[100:600, 100:600] cv2.imshow('Original Image', image) cv2.imshow('Region of Interest', roi) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 形状预处理与轮廓获取 当涉及到复杂形状的识别时，通常需要先对输入图像做一系列预处理工作，比如转换成灰度模式、应用高斯模糊减少噪声影响、利用Canny算子捕捉边缘特征等。最后一步则是通过形态学运算增强目标对象特性以便更好地定位其轮廓位置[^3]. ```cpp Mat imgGray, imgBlur, imgCanny, imgDil; cvtColor(img, imgGray, COLOR_BGR2GRAY); GaussianBlur(imgGray, imgBlur, Size(3, 3), 3, 0); Canny(imgBlur, imgCanny, 25, 75); dilate(imgCanny, imgDil, getStructuringElement(MORPH_RECT, Size(3, 3))); findContours(imgDil, contours, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE); ``` 上述代码片段展示了完整的流程——从读入彩色图像到最终找到其中存在的所有闭合曲线结构，并存储于变量`contours`之中待后续进一步分类判断[^4]。