在 Python 中使用 OpenCV 检测圆形并获取其中心坐标，通常可以使用霍夫圆变换（Hough Circle Transform）来实现。该方法基于霍夫变换的数学原理，能够检测图像中符合圆形方程的形状，并返回圆心坐标和半径。 检测流程如下： 1. **图像预处理**：将原始图像转换为灰度图，并应用高斯模糊以减少噪声对检测结果的影响。 2. **边缘检测**：使用 Canny 边缘检测器提取图像中的边缘信息。 3. **霍夫圆变换**：调用 `cv2.HoughCircles()` 函数进行圆形检测。 4. **结果绘制与提取中心坐标**：从检测结果中提取圆心坐标并绘制圆形。 以下是一个完整的示例代码： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('circles.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 高斯模糊以减少噪声 gray = cv2.GaussianBlur(gray, (9, 9), 2) # 使用霍夫圆变换检测圆形 circles = cv2.HoughCircles( gray, cv2.HOUGH_GRADIENT, dp=1, minDist=50, param1=50, param2=30, minRadius=10, maxRadius=100 ) # 如果检测到至少一个圆形 if circles is not None: # 将圆心坐标转换为整数 circles = np.round(circles[0, :]).astype("int") # 遍历所有检测到的圆形 for (x, y, r) in circles: # 绘制圆形轮廓 cv2.circle(image, (x, y), r, (0, 255, 0), 4) # 绘制圆心 cv2.circle(image, (x, y), 2, (0, 0, 255), 3) # 打印圆心坐标 print(f"圆心坐标: ({x}, {y}), 半径: {r}") # 显示结果图像 cv2.imshow("Detected Circles", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在该代码中： - `cv2.HoughCircles()` 的参数包括： - `dp`：累加器分辨率与图像分辨率的反比。 - `minDist`：检测到的圆心之间的最小距离。 - `param1`：Canny 边缘检测的高阈值（低阈值为该值的一半）。 - `param2`：圆心检测的累加器阈值。 - `minRadius` 和 `maxRadius`：用于限制检测的圆的最小和最大半径。 检测结果中每个圆形以 `(x, y, r)` 的形式表示，其中 `(x, y)` 是圆心坐标，`r` 是半径。 通过上述方法，可以高效地检测图像中的圆形并准确获取其圆心坐标[^1]。