基于Python-OpenCV实现蓝色物体检测并打印中心坐标

可以的，以下是Python-OpenCV实现蓝色物体检测并打印中心坐标的代码：

import cv2

# 读取图片
img = cv2.imread('test.jpg')

# 转换颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 设定蓝色阈值
lower_blue = np.array([110, 50, 50])
upper_blue = np.array([130, 255, 255])

# 根据阈值构建掩模
mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 对原图和掩模进行位运算
res = cv2.bitwise_and(img, img, mask=mask)

# 转换为灰度图
gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)

# 二值化
ret,thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓并计算中心坐标
for cnt in contours:
    # 计算轮廓面积
    area = cv2.contourArea(cnt)
    if area > 500:
        # 绘制轮廓线条
        cv2.drawContours(img,[cnt],-1,(0,255,0),2)
        # 计算轮廓中心坐标
        M = cv2.moments(cnt)
        cx = int(M['m10']/M['m00'])
        cy = int(M['m01']/M['m00'])
        # 在中心点位置绘制圆圈
        cv2.circle(img, (cx, cy), 10, (255, 0, 0), -1)
        # 打印中心坐标
        print("Center coordinate:", cx, cy)

# 显示结果
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个代码中，我们首先读入一张图片，并将其转换为HSV颜色空间。然后，我们设定蓝色的阈值，在HSV颜色空间下构建掩模，并对原图和掩模进行位运算，得到蓝色物体的部分。接下来，我们将结果转换为灰度图，并对其进行二值化，以便于查找轮廓。通过查找轮廓并计算轮廓中心坐标，我们可以得到蓝色物体的中心坐标，并将其打印出来。最后，我们在原图中绘制轮廓线条和中心点位置，并将结果显示出来。