Bagaimana untuk mengekstrak dua kawasan bulat dari imej piksel 9000x7000 menggunakan Python dan OpenCV?

Python dan OpenCV dengan cekap mengekstrak dua kawasan bulat dalam imej 9000x7000 piksel

Memproses imej resolusi ultra tinggi (seperti 9000x7000 piksel) dan mengekstrak bentuk tertentu (seperti lingkaran) dari mereka adalah cabaran biasa dalam pemprosesan imej dan penglihatan komputer. Artikel ini menyediakan penyelesaian menggunakan perpustakaan Python dan OpenCV untuk mengekstrak kawasan pekeliling sasaran dengan cekap dan tepat.

Masalah dengan kod yang sedia ada ialah terdapat terlalu banyak lingkaran yang dikesan dan adalah mustahil untuk memilih dua kawasan bulatan yang diperlukan secara tepat. Untuk penambahbaikan, kami akan mengguna pakai strategi berikut:

1. Preprocessing Imej: Pengurangan Skala dan Kebisingan : Pertama, untuk meningkatkan kecekapan pemprosesan, kami mengurangkan imej asal ke saiz yang betul. Pada masa yang sama, penapis kabur Gaussian digunakan untuk mengurangkan bunyi imej, dengan itu meningkatkan ketepatan pengesanan bulat.

 Import CV2
import numpy sebagai np

image_path = r "c: \ users \ 17607 \ desktop \ smls Pictures \ pic_20231122151507973.bmp"

# Baca imej img = cv2.imread (image_path)

# Zum imej (laraskan nisbah zum mengikut keadaan sebenar)
scale_percent = 10 # skala hingga 1/10 gambar asal
lebar = int (img.shape [1] / scale_percent)
ketinggian = int (img.shape [0] / scale_percent)
Dim = (lebar, ketinggian)
resized_img = cv2.resize (img, red, interpolation = cv2.inter_area)

# penukaran kelabu kelabu = cv2.cvtcolor (resized_img, cv2.color_bgr2gray)

# Gaussianblurred = cv2.gaussianblur (kelabu, (5, 5), 0)

2. Pengesanan Edge: Algoritma Canny : Gunakan algoritma pengesanan kelebihan canny untuk mengekstrak maklumat tepi imej dan sediakan untuk pengesanan pekeliling berikutnya.

 # Tepi pengesanan kelebihan canny = cv2.canny (kabur, 50, 150)

3. Pengesanan bulatan: Hough Transform : Gunakan transformasi bulatan hough untuk mengesan bulatan dalam imej. Kuncinya adalah pelarasan parameter untuk memastikan bahawa hanya dua kalangan yang kita perlukan dikesan. Di sini kami menapis mengikut jejari bulatan dan pilih dua kalangan terbesar.

 # Lingkaran transformasi houghcircle = cv2.houghcircles (tepi, cv2.hough_gradient, 1, 40, param1 = 50, param2 = 30, minradius = 0, maxradius = 0)

Sekiranya bulatan tidak ada:
    lingkaran = np.uint16 (np.around (lingkaran))
    # Pilih dua lingkaran terbesar = lingkaran [0 ,:]
    lingkaran = lingkaran [np.argsort (lingkaran [:, 2]) [::-1] [: 2]] # pilih dua lingkaran dengan jejari terbesar untuk saya dalam kalangan:
        center_x, center_y, radius = i
        # Lukis bulatan cv2.circle (resized_img, (center_x, center_y), radius, (0, 0, 255), 2)
        cv2.circle (resized_img, (center_x, center_y), 2, (255, 0, 0), 3)

    cv2.imshow ("lingkaran yang dikesan", saiz semula_img)
    cv2.waitkey (0)
    cv2.destroyallWindows ()

Melalui langkah-langkah di atas, kita dapat mengekstrak dua kawasan bulat terbesar dari imej resolusi tinggi dan mengesahkannya dengan hasil visualisasi. Harus diingat bahawa parameter transformasi scale_percent dan Hough perlu diselaraskan mengikut imej sebenar untuk mencapai kesan pengesanan yang terbaik. Sekiranya dua kalangan mempunyai saiz yang sama, pilihan yang lebih halus mungkin diperlukan berdasarkan koordinat pusat atau ciri -ciri lain.

Atas ialah kandungan terperinci Bagaimana untuk mengekstrak dua kawasan bulat dari imej piksel 9000x7000 menggunakan Python dan OpenCV?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!