下面是基于OpenCV库的Python代码，用于检测图像中的圆形并标注它们的像素坐标： ```python import cv2 import numpy as np # 读取图像 image_path = 'your_image.jpg' # 替换为实际图片路径 image = cv2.imread(image_path) if image is None: raise ValueError("无法读取图像文件，请检查路径是否正确") # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用高斯模糊减少噪声 blurred = cv2.GaussianBlur(gray, (9, 9), 2) # 应用霍夫圆变换检测圆 circles = cv2.HoughCircles( blurred, method=cv2.HOUGH_GRADIENT, dp=1, minDist=image.shape[0] // 8, param1=50, param2=30, minRadius=0, maxRadius=0 ) if circles is not None: # 将检测到的圆参数转换为整数 circles = np.uint16(np.around(circles)) for circle in circles[0, :]: x, y, r = circle # 绘制外圈 cv2.circle(image, (x, y), r, (0, 255, 0), 2) # 绿色表示圆周 # 标记圆心 cv2.circle(image, (x, y), 2, (0, 0, 255), 3) # 红色表示圆心 # 添加文本标注圆心坐标 text = f"({x}, {y})" font = cv2.FONT_HERSHEY_SIMPLEX cv2.putText(image, text, (x + 10, y), font, 0.5, (255, 0, 0), 1, cv2.LINE_AA) # 显示结果 cv2.imshow("Detected Circles with Coordinates", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 解释 - **图像预处理**：将彩色图像转为灰度图以简化数据维度，并应用高斯模糊降低噪声影响[^1]^。 - **霍夫圆变换**：通过调整参数 `dp`, `minDist`, `param1`, 和 `param2` 来控制圆检测过程中的灵敏度和准确性。这里设置了一个合理的默认值组合以便适应大多数情况下的圆检测需求[^2]^。 - **绘图与标注**：对于每一个找到的圆，在原始彩图上画出代表边界的绿色实线以及定位中心点的小红点；另外还增加了蓝色字体书写的具体位置信息作为额外辅助理解手段。 --- ###