OpenCV实现图像峰值检测与定位：自动识别红色点坐标

思路分析 #

你的需求是检测蓝色曲线的峰值（最顶端的点），模板匹配不适用是因为它需要固定模板，我们可以直接通过图像分析定位极值点：

1. 提取图像中的蓝色曲线区域
2. 在曲线区域中找到纵向坐标最小的点（图像坐标系y轴向下，y值越小位置越靠上，对应曲线峰值）
3. 在原图上标记红色点

完整代码 #

import cv2
import numpy as np

# 读取输入图像
img = cv2.imread('z4OvN.png')
# 复制原图用于绘制标记
result_img = img.copy()

# 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化提取蓝色曲线（背景白色灰度高，曲线蓝色灰度低，取小于240的区域）
_, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)

# 找到所有曲线像素的坐标
y_coords, x_coords = np.where(binary == 255)

# 找到y坐标最小的点（对应曲线最顶端，即峰值）
min_y_idx = np.argmin(y_coords)
peak_x = x_coords[min_y_idx]
peak_y = y_coords[min_y_idx]

# 在原图上绘制红色圆点（半径5，厚度-1填充）
cv2.circle(result_img, (peak_x, peak_y), 5, (0, 0, 255), -1)

# 保存结果或显示
cv2.imwrite('peak_marked.png', result_img)
cv2.imshow('Peak Marked', result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明 #

• 图像预处理：转灰度图后用二值化提取曲线，240是适配当前图像的阈值，背景白色灰度接近255，蓝色曲线灰度更低，THRESH_BINARY_INV会把曲线区域转为白色、背景转为黑色，方便后续提取坐标。
• 定位峰值：通过np.where获取所有曲线像素的坐标，找到y坐标最小的点，就是曲线的峰值位置。
• 标记峰值：用cv2.circle绘制红色实心圆点完成标记。

注意事项 #

• 如果图像背景或曲线颜色有变化，可调整二值化的阈值（240），确保准确提取曲线区域。
• 若存在多个局部峰值，可按x轴分段，分别查找每段的最小y值点来定位多个峰值。

内容的提问来源于stack exchange，提问作者newTOcode