我来帮你搞定这个问题！结合OpenCV Python，我们可以一步步实现红、绿、蓝圆弧轮廓的筛选，还能提取它们的圆心和半径参数，具体方案如下：

1. 先提取红、绿、蓝颜色的轮廓 #

首先得把图像里的红、绿、蓝区域单独抠出来，因为你只关注这三种颜色的轮廓。用HSV颜色空间做阈值分割比RGB更靠谱，它对光照变化的鲁棒性更强。

• 给每种颜色定义对应的HSV阈值范围（红色要分两个区间，因为色相环里红色横跨0度）
• 生成颜色掩码后，提取对应的轮廓

2. 筛选圆弧轮廓的核心方法 #

拿到轮廓后，我们可以用几种方法判断它是不是圆弧，这里推荐两种实用的：

方法一：近似多边形与弧长的比例判断 #

圆弧是平滑曲线，用多边形近似它需要很多边，所以近似多边形的周长和原轮廓弧长的比值会非常接近1。而直线组成的轮廓，这个比值会小很多。

epsilon = 0.01 * cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, epsilon, True)
# 计算比例
arc_len = cv2.arcLength(contour, True)
approx_perim = cv2.arcLength(approx, True)
ratio = approx_perim / arc_len
# 设定阈值，比如ratio > 0.95就认为是圆弧（可根据你的图像微调）
if ratio > 0.95:
    # 进入圆弧候选池

方法二：拟合圆后判断距离方差 #

直接对轮廓做圆拟合，然后计算轮廓上所有点到拟合圆心的距离方差。圆弧的点到圆心的距离应该几乎一致，方差会很小；非圆弧轮廓的方差会明显偏大。

# 用最小包围圆做初步拟合
(x, y), radius = cv2.minEnclosingCircle(contour)
# 计算所有点到圆心的距离方差
points = contour.reshape(-1, 2)
distances = np.sqrt((points[:,0]-x)**2 + (points[:,1]-y)**2)
distance_var = np.var(distances)
# 方差阈值，比如小于10就认为是圆弧（按需调整）
if distance_var < 10:
    # 确认是圆弧

3. 提取圆弧的圆心和半径 #

筛选出目标圆弧后，就可以用更精确的方法获取参数：

• 如果你只需要近似值，cv2.minEnclosingCircle足够用，直接返回圆心和半径
• 要更精确的话，可以用多项式拟合圆的一般方程x² + y² + Dx + Ey + F = 0，通过线性求解得到参数后，换算出圆心和半径：

points = contour.reshape(-1, 2).astype(np.float32)
x = points[:, 0]
y = points[:, 1]
# 构造拟合矩阵
A = np.vstack([x, y, np.ones(len(x))]).T
B = -(x**2 + y**2)
# 最小二乘法求解
D, E, F = np.linalg.lstsq(A, B, rcond=None)[0]
# 计算圆心和半径
center_x = -D / 2
center_y = -E / 2
radius = np.sqrt((D**2 + E**2)/4 - F)

完整可运行代码示例 #

import cv2
import numpy as np

def filter_arc_contours(image_path):
    # 读取图像并转HSV
    img = cv2.imread(image_path)
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # 定义红、绿、蓝的HSV阈值（可根据你的图像微调）
    lower_red1 = np.array([0, 120, 70])
    upper_red1 = np.array([10, 255, 255])
    lower_red2 = np.array([170, 120, 70])
    upper_red2 = np.array([180, 255, 255])
    lower_green = np.array([40, 40, 40])
    upper_green = np.array([70, 255, 255])
    lower_blue = np.array([90, 40, 40])
    upper_blue = np.array([130, 255, 255])
    
    # 生成颜色掩码
    mask_red = cv2.inRange(hsv, lower_red1, upper_red1) | cv2.inRange(hsv, lower_red2, upper_red2)
    mask_green = cv2.inRange(hsv, lower_green, upper_green)
    mask_blue = cv2.inRange(hsv, lower_blue, upper_blue)
    combined_mask = mask_red | mask_green | mask_blue
    
    # 提取轮廓
    contours, _ = cv2.findContours(combined_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    arc_contours = []
    arc_params = []  # 存储(圆心x, 圆心y, 半径, 颜色)
    
    for cnt in contours:
        # 跳过太小的轮廓
        if cv2.contourArea(cnt) < 50:
            continue
        
        # 第一步：近似多边形比例筛选
        epsilon = 0.01 * cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, epsilon, True)
        arc_len = cv2.arcLength(cnt, True)
        approx_perim = cv2.arcLength(approx, True)
        ratio = approx_perim / arc_len
        
        if ratio < 0.9:
            continue
        
        # 第二步：圆拟合验证
        (x, y), radius = cv2.minEnclosingCircle(cnt)
        points = cnt.reshape(-1, 2)
        distances = np.sqrt((points[:,0]-x)**2 + (points[:,1]-y)**2)
        distance_var = np.var(distances)
        
        if distance_var > 10:
            continue
        
        # 判断轮廓对应的颜色
        center_pixel = img[int(y), int(x)]
        b, g, r = center_pixel
        color = None
        if r > g and r > b:
            color = "red"
        elif g > r and g > b:
            color = "green"
        elif b > r and b > g:
            color = "blue"
        
        if color:
            arc_contours.append(cnt)
            arc_params.append((x, y, radius, color))
    
    # 可视化结果
    result = img.copy()
    for (x, y, radius, color) in arc_params:
        center = (int(x), int(y))
        radius = int(radius)
        # 按颜色画圆
        if color == "red":
            cv2.circle(result, center, radius, (0,0,255), 2)
        elif color == "green":
            cv2.circle(result, center, radius, (0,255,0), 2)
        elif color == "blue":
            cv2.circle(result, center, radius, (255,0,0), 2)
        # 标注参数
        cv2.putText(result, f"{color}: ({int(x)},{int(y)}) r={radius}", 
                    (int(x)-50, int(y)-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255,255,255), 2)
    
    return result, arc_params

# 使用示例：替换成你的图片路径
result_img, arc_info = filter_arc_contours("your_image.jpg")
cv2.imshow("Arc Contours", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键注意事项 #

• 颜色阈值要微调：不同光照下颜色的HSV值会变，你可以用OpenCV的交互式调色工具来找到适合自己图像的阈值。
• 筛选阈值按需调整：代码里的比例阈值0.9、方差阈值10都是参考值，根据你轮廓的实际形状调整，避免误筛或漏筛。
• 不完整圆弧用多项式拟合：如果圆弧小于半圆，cv2.minEnclosingCircle可能不准，这时候换多项式拟合的方法更可靠。

内容的提问来源于stack exchange，提问作者Kshitij Patil