Python 图像处理：检测圆形孔并计算尺寸

这段代码是用 Python 实现的，主要功能是检测一张图片中的圆形孔，并计算孔的数量和孔径等信息。具体实现步骤如下：

1. 加载图片并将其转换为灰度图像。
2. 使用高斯滤波器对图像进行平滑处理。
3. 对图像进行形态学操作，以去除噪声。
4. 对图像进行边缘检测。
5. 让用户标出两个点，计算它们之间的距离，以便后续计算像素当量。
6. 应用 Hough 圆变换算法，以检测图像中的圆形。
7. 计算检测到的圆的数量和孔径等信息，并输出结果。
8. 显示结果。

这段代码需要用到 OpenCV 和 NumPy 两个 Python 库，其中 OpenCV 用于图像处理和圆形检测，NumPy 用于数学计算。

import cv2
import numpy as np

def mouse_callback(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        param.append((x, y))

# 加载图像并将其转换为灰度图像
img = cv2.imread('circle.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用高斯滤波器对图像进行平滑处理
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# 对图像进行形态学操作
kernel = np.ones((5, 5), np.uint8)
closing = cv2.morphologyEx(blur, cv2.MORPH_CLOSE, kernel)

# 对图像进行边缘检测
edges = cv2.Canny(closing, 10, 50)

# 显示图像并要求用户标出两个点
points = []
cv2.namedWindow('Reference points')
cv2.setMouseCallback('Reference points', mouse_callback, points)

while len(points) < 2:
    cv2.imshow('Reference points', img)
    cv2.waitKey(100)

cv2.destroyAllWindows()

# 计算用户标记的两点之间的距离
pixel_distance = np.sqrt((points[0][0] - points[1][0]) ** 2 + (points[0][1] - points[1][1]) ** 2)
pixel_to_mm_ratio = pixel_distance / 10  # 10 mm
pixel_equivalent = 1 / pixel_to_mm_ratio
print('像素当量为1像素对应', pixel_equivalent)


# 应用 Hough 圆变换算法，以检测图像中的圆形
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20,
                           param1=10, param2=24, minRadius=20, maxRadius=100)

# 计算检测到的圆的数量
if circles is not None:
    circles = np.round(circles[0, :]).astype('int')
    num_circles = circles.shape[0]
    print('孔的数量:', num_circles)

    max_distance = 0
    for (x, y, r) in circles:
        cv2.circle(img, (x, y), r, (0, 255, 0), 2)
        diameter = 2 * r
        diameter_mm = diameter / pixel_to_mm_ratio
        print('孔径:', diameter_mm)

        for (x2, y2, r2) in circles:
            distance = np.sqrt((x - x2) ** 2 + (y - y2) ** 2)
            max_distance = max(max_distance, distance)

    max_distance_mm = max_distance / pixel_to_mm_ratio
    print('外围孔圆心组成的圆的直径:', max_distance_mm)

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