python 检测图片中的小点并标注为绿色

要将检测到的小点标注为绿色，我们需要修改cv2.drawKeypoints 函数的颜色参数。以下是完整的代码修改方案：

修改后的代码实现

python
复制
import cv2 
import numpy as np 
from matplotlib import pyplot as plt 
 
def extract_dots_green(image_path, min_dot_size=2, max_dot_size=10, output_path=None):
    """
    提取图像中的小点并用绿色标注 
    
    参数:
        image_path: 输入图像路径 
        min_dot_size: 最小点直径(像素)
        max_dot_size: 最大点直径(像素)
        output_path: 输出图像路径(可选)
    
    返回:
        包含绿色标记小点的图像 
    """
    # 1. 加载图像 
    img = cv2.imread(image_path) 
    if img is None:
        raise ValueError("无法加载图像，请检查路径")
    
    # 2. 转换为灰度图 
    gray = cv2.cvtColor(img,  cv2.COLOR_BGR2GRAY)
    
    # 3. 图像预处理 
    clahe = cv2.createCLAHE(clipLimit=2.0,  tileGridSize=(8, 8))
    enhanced = clahe.apply(gray) 
    blurred = cv2.GaussianBlur(enhanced, (5, 5), 0)
    
    # 4. 设置斑点检测参数 
    params = cv2.SimpleBlobDetector_Params()
    
    # 调整这些参数以获得最佳效果 
    params.minThreshold  = 50 
    params.maxThreshold  = 200 
    params.filterByArea  = True 
    params.minArea  = np.pi  * (min_dot_size/2)**2 
    params.maxArea  = np.pi  * (max_dot_size/2)**2 
    params.filterByCircularity  = True 
    params.minCircularity  = 0.7 
    params.filterByConvexity  = True 
    params.minConvexity  = 0.8 
    params.filterByInertia  = True 
    params.minInertiaRatio  = 0.5 
    
    # 5. 创建检测器并检测小点 
    detector = cv2.SimpleBlobDetector_create(params)
    keypoints = detector.detect(blurred) 
    
    # 6. 用绿色标注小点 - 修改在这里！
    # (0,255,0)是绿色的BGR值 
    img_with_green_dots = cv2.drawKeypoints(img,  keypoints, np.array([]),  
                                          (0, 255, 0),  # 绿色 
                                          cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
    
    # 7. 显示结果 
    plt.figure(figsize=(12,  6))
    
    plt.subplot(121),  plt.imshow(cv2.cvtColor(img,  cv2.COLOR_BGR2RGB))
    plt.title(' 原始图像'), plt.xticks([]),  plt.yticks([]) 
    
    plt.subplot(122),  plt.imshow(cv2.cvtColor(img_with_green_dots,  cv2.COLOR_BGR2RGB))
    plt.title(' 绿色标注的小点'), plt.xticks([]),  plt.yticks([]) 
    
    plt.tight_layout() 
    plt.show() 
    
    # 8. 保存结果 
    if output_path:
        cv2.imwrite(output_path,  img_with_green_dots)
    
    return img_with_green_dots 
 
# 使用示例 
if __name__ == "__main__":
    input_image = "document_with_dots.jpg" 
    output_image = "green_dots_detected.png" 
    
    # 调整这些参数以获得最佳效果 
    min_dot_size = 2  # 最小点直径(像素)
    max_dot_size = 10  # 最大点直径(像素)
    
    result_image = extract_dots_green(input_image, min_dot_size, max_dot_size, output_image)
    
    print(f"处理完成，结果已保存到 {output_image}")

关键修改点说明

1. 颜色参数修改：

   python
   复制
   # 原代码使用红色(0,0,255)
   cv2.drawKeypoints(...,  (0, 0, 255), ...)
   
   # 修改为绿色(0,255,0)
   cv2.drawKeypoints(...,  (0, 255, 0), ...)
   

   • OpenCV使用BGR格式而非RGB，所以绿色是(0,255,0)

2. 标记样式保留：

   • 保留了DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS标志，这会绘制带有大小的圆形标记
   • 如果只需要简单点标记，可以改用cv2.DRAW_MATCHES_FLAGS_DEFAULT