### 使用 Python 和 OpenCV 实现图片中圆环内外径周长的检测 为了实现对图片中圆环内外直径及其周长的精确检测，可以借助 OpenCV 中的霍夫变换圆检测技术来定位圆环的内部和外部边界。通过计算这些边界的半径，再利用公式 $P = 2\pi r$ 来求得对应的周长。 以下是具体的方法描述以及相应的代码实现： #### 方法概述 1. **图像预处理** 将彩色图像转换为灰度图，并对其进行高斯模糊以降低噪声影响[^1]。 2. **边缘增强** 使用 Canny 边缘检测器突出显示图像中的显著边缘特征。 3. **圆检测** 应用 `cv2.HoughCircles` 函数寻找潜在的圆形轮廓。由于目标是圆环结构，因此需特别关注是否存在两组接近同心的圆（即内圆和外圆）。 4. **区分内外圆** 根据检测到的多个圆的位置关系判断哪些属于同一圆环的不同部分；通常情况下，较小的那个会被视为内圆而较大的则作为外圆对待。 5. **计算并输出结果** 对确认后的每一对内外圆分别计算它们各自的周长数值，并打印出来或者保存至文件当中去。 #### 示例代码 下面提供了一段完整的 Python 程序示例，它展示了如何运用上述提到的技术步骤来进行实际操作: ```python import cv2 import numpy as np def find_donut_circles(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray,(9,9),2) edges = cv2.Canny(blurred, threshold1=50, threshold2=150) circles = cv2.HoughCircles(edges,cv2.HOUGH_GRADIENT,dp=1,minDist=gray.shape[0]/8, param1=100,param2=30,minRadius=10,maxRadius=100) if circles is not None: circles = np.uint16(np.around(circles)) inner_radius = float('inf') outer_radius = 0 for i in circles[0,:]: # draw the outer circle cv2.circle(img,(i[0],i[1]),i[2],(0,255,0),2) current_radius = i[2] if current_radius < inner_radius: inner_radius = current_radius elif current_radius > outer_radius: outer_radius = current_radius pi_value = np.pi inner_perimeter = round(2*pi_value*inner_radius ,2 ) outer_perimeter = round(2*pi_value*outer_radius ,2 ) print(f"Inner Circle Perimeter: {inner_perimeter}") print(f"Outer Circle Perimeter: {outer_perimeter}") find_donut_circles('donut_ring.jpg') ``` #### 参数解释 - `image_path`: 输入待分析的目标图像路径名字符串形式表示. - `blurred`: 经过高斯平滑处理之后得到的新版本原始灰度图像对象实例变量名称定义. - `edges`: 执行 canny edge detection 后产生的二值化边缘映像数据存储位置指针代号设定. 以上脚本会自动遍历所有发现的有效圆形区域，并从中挑选出最有可能代表圆环内部与外部界限的一对儿大小不同的圆圈加以标注绘制同时给出相应尺寸信息报告。 --- ### 注意事项 当面对更加复杂的场景比如存在干扰物或者其他形状物体混杂其中时，则可能需要额外增加一些约束条件或者是采用机器学习模型辅助分类等方式提升鲁棒性和准确性水平[^2].