### 使用 OpenCV 在树莓派上实现圆形识别 以下是基于 OpenCV 的 Python 示例代码，用于在树莓派上检测图像中的圆形，并获取其圆心坐标和半径： ```python import cv2 import numpy as np def detect_circles(image_path): # 加载图像并将其转换为灰度图 image = cv2.imread(image_path) gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 应用高斯模糊减少噪声 blurred = cv2.GaussianBlur(gray_image, (9, 9), 2) # 使用霍夫变换检测圆形 circles = cv2.HoughCircles( blurred, method=cv2.HOUGH_GRADIENT, dp=1, minDist=blurred.shape[0] / 8, param1=100, param2=30, minRadius=10, maxRadius=100 ) 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 i in circles[0, :]: center = (i[0], i[1]) # 圆心坐标 radius = i[2] # 半径 # 绘制外圈 cv2.circle(image, center, radius, (0, 255, 0), 2) # 绘制圆心 cv2.circle(image, center, 2, (0, 0, 255), 3) # 显示圆的信息 font = cv2.FONT_HERSHEY_SIMPLEX text = f"Center: {center}, Radius: {radius}" cv2.putText(image, text, (center[0] - 70, center[1] - 20), font, 0.5, (255, 0, 0), 1) # 展示结果图像 cv2.imshow("Detected Circles", image) cv2.waitKey(0) cv2.destroyAllWindows() # 调用函数 detect_circles('path_to_your_image.jpg') ``` #### 参数说明 - `cv2.HoughCircles` 是 OpenCV 提供的一个方法，专门用来检测圆形[^1]。 - `dp`: 表示累加器分辨率与输入图像分辨率的反比关系。通常设置为 1 或更高值。 - `minDist`: 控制两个圆之间的最小距离。如果此值过小，则可能导致多个相邻圆被误认为是一个大圆；反之则可能漏检一些较小的圆。 - `param1`, `param2`: 霍夫变换内部使用的阈值参数。具体调整需视实际场景而定。 - `minRadius`, `maxRadius`: 设置允许检测的最小和最大半径范围。 上述代码实现了从图片中提取圆形的功能，并将每个圆的圆心坐标及其半径标注出来[^2]。 #### 实现细节 为了提高检测精度，在执行霍夫变换前先对原始图像进行了预处理操作——包括颜色空间转换以及平滑滤波等步骤。这些措施有助于降低背景干扰因素的影响，从而提升最终的结果质量[^3]。 --- 相关问题