要使用 OpenCV（在 Java 中）截取两张图片中的黄色圆圈，并计算偏移百分比，您可以按照以下大致步骤进行操作： 1. 读取图片：使用 OpenCV 的 `imread` 方法读取两张图片。 2. 颜色空间转换：将图片从 BGR（默认的 OpenCV 颜色空间）转换到 HSV 颜色空间，以便更方便地检测黄色。 3. 黄色阈值设定：根据 HSV 中黄色的范围设定阈值，来提取黄色区域。 4. 形态学操作：可能需要进行一些形态学操作，如膨胀、腐蚀，来优化提取的黄色区域。 5. 轮廓检测：找到黄色区域的轮廓。 6. 确定圆形轮廓：通过一些算法判断哪个轮廓是圆形的（例如计算轮廓的周长和面积，根据圆形的特性来判断）。 7. 计算圆心坐标：对于检测到的圆形轮廓，计算其圆心坐标。 8. 计算偏移：比较两张图片中圆形的圆心坐标，计算偏移量。 9. 计算偏移百分比：根据图片的尺寸和偏移量计算偏移百分比。 以下是一个简单的示例代码框架，仅包含了一些关键步骤的示意，实际应用中还需要根据具体情况进行调整和完善： ```java import org.opencv.core.Core; import org.opencv.core.CvType; import org.opencv.core.Mat; import org.opencv.core.MatOfPoint; import org.opencv.core.Point; import org.opencv.core.Scalar; import org.opencv.core.Size; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; public class ImageComparison { static { System.loadLibrary(Core.NATIVE_LIBRARY_NAME); } public static void main(String[] args) { // 读取图片 Mat image1 = Imgcodecs.imread("image1.jpg"); Mat image2 = Imgcodecs.imread("image2.jpg"); // 转换到 HSV 颜色空间 Mat hsvImage1 = new Mat(); Mat hsvImage2 = new Mat(); Imgproc.cvtColor(image1, hsvImage1, Imgproc.COLOR_BGR2HSV); Imgproc.cvtColor(image2, hsvImage2, Imgproc.COLOR_BGR2HSV); // 设定黄色阈值 Scalar lowerYellow = new Scalar(20, 100, 100); Scalar upperYellow = new Scalar(30, 255, 255); // 提取黄色区域 Mat yellowMask1 = new Mat(); Mat yellowMask2 = new Mat(); Core.inRange(hsvImage1, lowerYellow, upperYellow, yellowMask1); Core.inRange(hsvImage2, lowerYellow, upperYellow, yellowMask2); // 形态学操作 Mat dilatedMask1 = new Mat(); Mat dilatedMask2 = new Mat(); Imgproc.dilate(yellowMask1, dilatedMask1, new Mat()); Imgproc.dilate(yellowMask2, dilatedMask2, new Mat()); // 轮廓检测 Mat hierarchy1 = new Mat(); Mat hierarchy2 = new Mat(); List<MatOfPoint> contours1 = new ArrayList<>(); List<MatOfPoint> contours2 = new ArrayList<>(); Imgproc.findContours(dilatedMask1, contours1, hierarchy1, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE); Imgproc.findContours(dilatedMask2, contours2, hierarchy2, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE); // 确定圆形轮廓并计算圆心 Point center1 = findCenterOfCircle(contours1); Point center2 = findCenterOfCircle(contours2); // 计算偏移和偏移百分比 double offsetX = center2.x - center1.x; double offsetY = center2.y - center1.y; double percentageX = (offsetX / image1.width()) * 100; double percentageY = (offsetY / image1.height()) * 100; System.out.println("X 方向偏移百分比: " + percentageX + "%"); System.out.println("Y 方向偏移百分比: " + percentageY + "%"); } public static Point findCenterOfCircle(List<MatOfPoint> contours) { for (MatOfPoint contour : contours) { double area = Imgproc.contourArea(contour); double perimeter = Imgproc.arcLength(contour, true); double circularity = 4 * Math.PI * area / (perimeter * perimeter); if (circularity > 0.8) { // 大致判断为圆形 Moments moments = Imgproc.moments(contour); int x = (int) (moments.m10 / moments.m00); int y = (int) (moments.m01 / moments.m00); return new Point(x, y); } } return null; } } ``` 这只是一个简单的示例，实际的图像处理可能会更加复杂，需要根据图片的质量、黄色区域的特征和准确性要求进行更多的优化和调整。 [2024-08-10 10:15:40 | AI写代码神器 | 1248点数解答]