### Python代码实现图片中红色部分的识别并标注像素坐标 以下是基于OpenCV库的Python代码，用于识别图片中的红色部分，并将其像素坐标标注在图像上： ```python import cv2 import numpy as np # 加载图像 image = cv2.imread('your_image.png') # 替换为实际图片路径 if image is None: raise ValueError("无法读取图像文件，请检查路径是否正确") # 将BGR图像转换为HSV色彩空间 hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定义红色范围（HSV颜色模型） lower_red1 = np.array([0, 70, 50]) # 较低色调的红色范围 upper_red1 = np.array([10, 255, 255]) lower_red2 = np.array([170, 70, 50]) # 较高色调的红色范围 upper_red2 = np.array([180, 255, 255]) # 创建掩膜以提取红色区域 mask1 = cv2.inRange(hsv_image, lower_red1, upper_red1) mask2 = cv2.inRange(hsv_image, lower_red2, upper_red2) red_mask = mask1 | mask2 # 查找红色区域的轮廓 contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: # 获取包围框 x, y, w, h = cv2.boundingRect(contour) # 标记中心点 center_x = x + w // 2 center_y = y + h // 2 # 在原图中标注红色部分及其坐标 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 绿色矩形框 cv2.putText(image, f"Red ({center_x}, {center_y})", (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2) # 坐标文字 # 显示结果 cv2.imshow("Detected Red Regions with Coordinates", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 说明 - **色彩空间转换**：由于RGB色彩空间对光照变化敏感，在检测特定颜色时通常会将图像从BGR色彩空间转换到HSV色彩空间[^1]。这样可以更好地分离颜色信息和亮度信息。 - **定义红色范围**：为了覆盖整个红色光谱，需定义两个不同的HSV区间来捕捉低饱和度至高饱和度下的红色[^2]。 - **创建掩膜与查找轮廓**：利用 `inRange` 函数生成二值化的掩膜，仅保留属于指定红色区间的像素；接着通过 `findContours` 提取出这些连通域即红色目标物所在位置。 - **绘制边界框及标签**：遍历每一个被发现的目标物体轮廓，计算其中心点并将该处用绿色方框突出显示同时附加描述性的文本字符串标明确切座标数值。 --- ###