要在Python中识别图像中的圆形并在其周围绘制边界框或轮廓，可以利用OpenCV库的强大功能。以下是实现这一目标的基本步骤： ### 步骤一：安装依赖包 如果你还没有安装OpenCV和其他必要的工具，可以通过pip轻松地完成安装。 ```bash pip install opencv-python-headless numpy matplotlib ``` 这里`opencv-python-headless`是不含GUI支持的版本，适合服务器环境；如果需要图形界面的支持，则应使用`opencv-python`。 ### 步骤二：导入所需模块并读取图片 接下来编写一段简单的脚本来加载待处理的图像，并将其转换成灰度图以便后续操作更为简便高效。 ```python import cv2 import numpy as np # 加载原始彩色图像 (BGR) image = cv2.imread('circles.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 可选: 对图像进行模糊化处理减少噪声干扰 blurred = cv2.GaussianBlur(gray, (9, 9), 0) # 使用高斯滤波器平滑图像 ``` ### 步骤三：应用霍夫变换检测圆圈 为了准确找到所有潜在的圆形区域，我们采用Hough Circle Transform算法来进行形状匹配工作。该过程允许设定一些参数以优化结果质量。 ```python rows = gray.shape[0] circles = cv2.HoughCircles(blurred, method=cv2.HOUGH_GRADIENT, dp=1, minDist=80, param1=50,param2=30,minRadius=1,maxRadius=60) if circles is not None: print(f"找到了 {len(circles)} 个圆") # 将得到的数据从浮点型转换回整数类型 detected_circles = np.uint16(np.around(circles)) for x, y, r in detected_circles[0,:]: # 绘制外接矩形及中心点标记 cv2.circle(image,(x,y),r,(0,255,0),2) # 绿色实线表示边缘 cv2.circle(image,(x,y),2,(0,0,255),3) # 蓝色填充显示重心位置 else: print("未发现任何明显的圆形特征") cv2.imshow('Detected Circles', image) cv2.waitKey(0); cv2.destroyAllWindows() ``` 以上代码片段展示了如何通过设置合理的阈值等条件筛选出符合条件的圆周结构，并且用不同颜色对它们进行了可视化标注——绿色用于描绘整个范围而红色则标示了每个圆心的具体坐标。 最后展示处理后的效果图，可以看到程序成功地定位到了输入图片中存在的几个明显圆状物并对它们加以区分标识出来。 注意：实际应用场景下可能还需要针对特定任务调整更多参数配置才能获得理想效果哦！ --- 对于想要深入了解相关内容的朋友来说，以下是一些相关的探讨方向：