求Python实现照片球体检测、尺寸换算及间距测量的最简方案

核心依赖库 #

仅需两个核心库即可完成全流程，无需复杂深度学习框架，非编程人员也能快速上手：

• opencv-python：内置成熟的霍夫圆变换算法，专门适配高对比度背景下的圆形几何图形检测，无需训练模型
• numpy：配套做基础数值计算
  可选依赖：matplotlib 用于调试阶段可视化检测结果，批量处理时可移除

实现逻辑（无人工干预全自动化） #

你的场景属于规则几何图形+固定实际尺寸+高对比度背景，逻辑非常简洁：

1. 图像预处理：读入图像后转灰度图，做高斯模糊降噪，过滤背景杂点避免干扰检测
2. 球体检测：调用霍夫圆检测接口，直接输出所有球体的圆心像素坐标、球体像素半径
3. 比例尺计算：取所有检测到的球体的半径平均值，计算得到球体平均像素直径，结合已知的1cm实际直径，得到图像的厘米/像素换算比例
4. 实际距离计算：任意两个球体的圆心像素距离乘以比例尺，即可得到二者的实际物理距离

最简可运行代码 #

import cv2
import numpy as np
# ========== 可调参数（同批次图像调整1次即可固定使用） ==========
# 球体最小/最大像素半径，根据你的图像实际大小填写大概范围即可
MIN_RADIUS = 5
MAX_RADIUS = 100
# 检测灵敏度：数值越高检测越严格，误检越少；出现漏检可适当调低
DETECT_SENSITIVITY = 30
# 两个球体的最小间隔（像素），避免同一个球被重复检测
MIN_DISTANCE = 2 * MIN_RADIUS
# =================================================================
def process_image(img_path):
    # 读入图像并预处理
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray_blur = cv2.GaussianBlur(gray, (5, 5), 0)
    # 检测所有圆形球体
    circles = cv2.HoughCircles(
        gray_blur,
        method=cv2.HOUGH_GRADIENT,
        dp=1,
        minDist=MIN_DISTANCE,
        param1=50,
        param2=DETECT_SENSITIVITY,
        minRadius=MIN_RADIUS,
        maxRadius=MAX_RADIUS
    )
    if circles is None:
        return None, None, None
    circles = np.uint16(np.around(circles))[0]
    # 计算图像比例尺（单位：cm/像素）
    avg_radius_pix = np.mean([c[2] for c in circles])
    scale = 1 / (avg_radius_pix * 2)
    # 示例：计算前两个球体的实际距离，可根据需求替换为任意两个球的索引
    real_distance = None
    if len(circles) >= 2:
        x1, y1 = circles[0][0], circles[0][1]
        x2, y2 = circles[1][0], circles[1][1]
        pix_dist = np.sqrt((x1 - x2)**2 + (y1 - y2)**2)
        real_distance = pix_dist * scale
    return circles, scale, real_distance
# 调用示例
if __name__ == "__main__":
    circles, scale, real_dist = process_image("你的图像文件路径.jpg")
    print(f"当前图像比例尺：{scale:.6f} cm/像素")
    if real_dist:
        print(f"示例两个球体的实际距离：{real_dist:.2f} cm")

调参说明 #

同光照同拍摄距离的批次照片仅需调整一次参数即可通用：

• 先根据图像中球体的大概大小填写MIN_RADIUS和MAX_RADIUS，排除明显不是球体的检测结果
• 调整DETECT_SENSITIVITY：如果出现非球体的杂点被误检为圆，就调高数值；如果有球体没被检测到，就调低数值

内容的提问来源于stack exchange，提问作者BlueScreen