Canny Edge Detection + Contour Analysis识别圆形并列举出代码

Canny边缘检测是一种广泛应用的图像处理技术，用于寻找图像中的边缘。它通常分为三个步骤：高斯滤波、计算梯度强度和方向，以及非极大值抑制和双阈值边缘检测。而轮廓分析则是基于边缘信息进一步提取出物体的轮廓线，常用于形状识别。

在Python的OpenCV库中，可以这样结合Canny边缘检测和轮廓分析来识别圆形：

import cv2
import numpy as np

def find_circles(image):
    # 高斯模糊降噪
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)

    # Canny边缘检测
    edges = cv2.Canny(blur, 50, 150) 

    # 寻找轮廓
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 筛选出可能的圆形轮廓
    circles = []
    for contour in contours:
        if cv2.isContourConvex(contour) and cv2.matchShapes(cv2.minEnclosingCircle(contour), contour, 1, 0.0) < 0.1:  # 一般圆的形状误差范围设置较小
            center, radius = cv2.minEnclosingCircle(contour)
            circles.append((int(center[0]), int(center[1]), int(radius)))

    return circles

# 加载图片并应用函数
image = cv2.imread('your_image.jpg')
circles = find_circles(image)

# 可视化结果
for center, _, radius in circles:
    cv2.circle(image, center, radius, (0, 255, 0), 2)

cv2.imshow('Detected Circles', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个代码首先将图片转换为灰度，并进行高斯模糊，然后通过Canny算子寻找边缘，接着找到所有的轮廓，筛选出可能是圆形的轮廓，并以其中心点和半径存储。最后，在原图上绘制出来，显示识别的圆形区域。