Python OpenCV 识别图像差异并标注目标点

Python OpenCV 识别图像差异并标注目标点

本文将介绍如何使用 Python OpenCV 库识别图像差异，并通过绘制红色圆圈的方式在图像中标注目标点。

代码示例

以下代码示例展示了如何找到差异图像中的最亮点，并将其坐标打印出来。

import cv2

def gethead_of_Darts(diff_HSV):
    gray_diff = cv2.cvtColor(diff_HSV, cv2.COLOR_BGR2GRAY)

    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(gray_diff)
    min_point = max_loc

    print(min_point)

    # 将目标点在图中标红
    img_with_target = cv2.circle(diff_HSV, min_point, 5, (0, 0, 255), -1)
    cv2.imshow('Image with Target', img_with_target)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

代码解释：

1. 导入 OpenCV 库： import cv2
2. 定义函数： gethead_of_Darts(diff_HSV) 函数接收差异图像 diff_HSV 作为参数。
3. 转换为灰度图像： 使用 cv2.cvtColor 将 diff_HSV 转换为灰度图像。
4. 找到最亮点： 使用 cv2.minMaxLoc 函数找到灰度图像中的最亮点，并将坐标保存到 min_point 变量中。
5. 打印坐标： 使用 print(min_point) 打印最亮点的坐标。
6. 在图像上绘制红色圆圈： 使用 cv2.circle 函数在原始图像 diff_HSV 上绘制一个半径为 5 的红色圆圈，圆心为 min_point。
7. 显示图像： 使用 cv2.imshow 函数显示包含标注点的图像，并使用 cv2.waitKey 函数等待用户按下任何键关闭窗口。

注意

• 为了运行代码，请确保您已经安装了 OpenCV 库。
• 请将代码中的 diff_HSV 变量替换为您的差异图像。

希望这篇文章能帮助您了解如何使用 Python OpenCV 库识别图像差异并标注目标点。