### 提取图像中点的横坐标 在 Python 中提取图像中的点的横坐标可以通过多种方法实现，具体取决于所使用的库以及目标需求。以下是基于 OpenCV 和 NumPy 的解决方案。 #### 方法一：使用 OpenCV 获取二值化图像中的横坐标 假设您希望从一张灰度图像中找到所有满足特定条件（如亮度高于某个阈值）的点，并提取其横坐标： ```python import cv2 import numpy as np # 加载图像并转换为灰度图 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 设置阈值并将图像二值化 _, binary_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 找到所有非零像素的位置 points = cv2.findNonZero(binary_img) # 提取横坐标 if points is not None: x_coordinates = points[:, :, 0].flatten() else: x_coordinates = [] print(x_coordinates) ``` 此代码片段利用 `cv2.findNonZero` 函数定位二值化图像中所有非零像素的位置，并从中提取横坐标[^4]。 --- #### 方法二：遍历图像矩阵获取横坐标 如果您更倾向于手动遍历图像矩阵，则可以借助 NumPy 实现这一功能： ```python import cv2 import numpy as np # 加载图像并转换为灰度图 img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE) # 初始化存储横坐标的列表 x_coordinates = [] # 遍历每一行和列 for row_idx, row in enumerate(img): for col_idx, pixel_value in enumerate(row): if pixel_value > 127: # 根据条件筛选点 x_coordinates.append(col_idx) print(x_coordinates) ``` 这种方法通过逐像素访问图像矩阵来判断哪些点符合条件，并将其对应的横坐标加入列表[^2]。 --- #### 方法三：结合掩模操作快速提取 对于复杂的颜色空间过滤场景，您可以先创建一个掩模再提取感兴趣区域内的横坐标： ```python import cv2 import numpy as np # 加载彩色图像 img = cv2.imread('image.jpg') # 转换至 HSV 颜色空间 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 定义颜色范围 lower_bound = np.array([0, 0, 221]) upper_bound = np.array([180, 30, 255]) # 创建掩模 mask = cv2.inRange(hsv, lower_bound, upper_bound) # 查找非零位置 points = cv2.findNonZero(mask) # 提取横坐标 if points is not None: x_coordinates = points[:, :, 0].flatten() else: x_coordinates = [] print(x_coordinates) ``` 这段代码展示了如何针对特定颜色区间构建掩模，并进一步提取其中的有效点位[^2]。 --- ### 注意事项 - 如果同一纵坐标存在多个有效点，可能需要额外逻辑决定保留哪个点的数据[^2]。 - 对于大规模图像处理任务，推荐优先考虑矢量化操作而非嵌套循环以提高效率。