用opencv python写一个对一个灰度图像的牛顿环测量的代码

在OpenCV Python中，你可以使用一些基本的图像处理技术来创建一个简单的牛顿环测量工具。以下是一个基础的示例代码，它包括图像预处理、边缘检测、环状区域查找以及简单特征测量（如圆心位置和环半径）。请注意，这个例子仅用于演示目的，实际应用中可能需要更复杂的算法来准确处理和分析牛顿环数据。

import cv2
import numpy as np

def find_newton_rings(image_path):
    # 读取图像并转换为灰度
    img = cv2.imread(image_path, 0)
    
    # 高斯平滑，减少噪声
    img_smoothed = cv2.GaussianBlur(img, (5, 5), 0)

    # Canny边缘检测
    edges = cv2.Canny(img_smoothed, 30, 70)

    # 找出边缘，可能是霍夫变换更好
    circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, dp=1, minDist=100, param1=50, param2=30, minRadius=0, maxRadius=None)

    if circles is not None:
        # 可能有多环，选择最大半径的环作为牛顿环
        rings = sorted(circles[0], key=lambda x: x[2], reverse=True)
        
        for ring in rings[:1]:
            center = (ring[0], ring[1])
            radius = ring[2]

            # 在原图上标记环的位置
            image_with_circle = cv2.circle(img, center, radius, (0, 0, 255), 2)

            print(f"Ring found at ({center[0]}, {center[1]}) with radius {radius} pixels.")
            
            # 保存带有环的信息的图片
            cv2.imwrite("newton_ring_detected.jpg", image_with_circle)
            
    else:
        print("No Newton rings detected.")

# 调用函数并传入你的灰度图像路径
find_newton_rings("input_gray_image.jpg")