### 使用 Python 和 OpenCV 实现颜色检测并绘制图形 以下是基于用户需求编写的代码示例，该程序会读取指定区域的颜色，在窗口左上角显示 RGB 值，并在图像中心绘制一个半径为 50 的实心圆。 #### 功能描述 1. **提取特定区域的中心像素颜色**：通过 `(x, y, w, h)` 定义矩形区域，计算其中心位置的 BGR 颜色值[^1]。 2. **转换为 RGB 并显示**：将提取到的 BGR 转换为 RGB 格式，并将其数值显示在窗口的左上角[^2]。 3. **绘制圆形**：根据提取的颜色值，在图像中心绘制一个半径为 50 的实心圆[^3]。 ```python import cv2 import numpy as np def detect_color_and_draw_circle(image_path, x, y, w, h): # 加载图像 img = cv2.imread(image_path) if img is None: print("Error loading image.") return height, width = img.shape[:2] # 计算指定区域的中心坐标 cx = int(x + w / 2) cy = int(y + h / 2) # 提取中心像素的颜色 (BGR format) bgr_value = img[cy, cx] # 将 BGR 转换为 RGB r, g, b = bgr_value[::-1] # 显示 RGB 值在左上角 text = f"RGB: ({r}, {g}, {b})" position = (10, 30) # 左上角文字位置 font = cv2.FONT_HERSHEY_SIMPLEX scale = 1 color = (255, 255, 255) # 白色字体 thickness = 2 cv2.putText(img, text, position, font, scale, color, thickness) # 绘制实心圆于图像中心 center_x, center_y = width // 2, height // 2 radius = 50 cv2.circle(img, (center_x, center_y), radius, tuple(bgr_value.tolist()), -1) # 展示结果 cv2.imshow('Color Detection', img) cv2.waitKey(0) cv2.destroyAllWindows() # 测试函数 image_path = 'example.jpg' # 替换为实际图片路径 region_x, region_y, region_w, region_h = 100, 100, 200, 200 # 自定义区域参数 detect_color_and_draw_circle(image_path, region_x, region_y, region_w, region_h) ``` --- #### 关键点解析 1. **加载图像与尺寸获取** 图像由 `cv2.imread` 函数加载，其形状可以通过 `.shape` 获取高度和宽度。这一步用于后续定位图像中心[^4]。 2. **提取中心像素颜色** 利用 NumPy 数组索引机制 `[cy, cx]` 可以快速访问指定坐标的像素值。返回的是 BGR 格式的三元数组[^5]。 3. **颜色空间转换** OpenCV 默认使用 BGR 颜色通道顺序，因此需要反转数组来获得标准的 RGB 表达形式[^6]。 4. **文本渲染** 文本通过 `cv2.putText` 方法添加至图像顶部左侧角落，确保信息清晰可见[^7]。 5. **绘制圆形** 圆形通过 `cv2.circle` 方法创建，设置 `-1` 参数表示填充整个圆圈[^8]。 ---