以下是一个使用 OpenCV 库来解决此问题的示例代码框架，不过这个示例只是一个基本的指导，实际应用中可能需要根据图片的具体情况进行更多的调整和优化： ```python import cv2 def calculate_offset_percentage(image1, image2): # 将图像转换为 HSV 颜色空间 hsv_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2HSV) hsv_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV) # 定义黄色的 HSV 范围 lower_yellow = np.array([20, 100, 100]) upper_yellow = np.array([40, 255, 255]) # 提取黄色区域的掩码 mask1 = cv2.inRange(hsv_image1, lower_yellow, upper_yellow) mask2 = cv2.inRange(hsv_image2, lower_yellow, upper_yellow) # 找到黄色区域的轮廓 contours1, _ = cv2.findContours(mask1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) contours2, _ = cv2.findContours(mask2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if len(contours1) > 0 and len(contours2) > 0: # 假设只处理最大的轮廓 contour1 = max(contours1, key=cv2.contourArea) contour2 = max(contours2, key=cv2.contourArea) # 计算轮廓的质心 M1 = cv2.moments(contour1) cx1, cy1 = int(M1['m10'] / M1['m00']), int(M1['m01'] / M1['m00']) M2 = cv2.moments(contour2) cx2, cy2 = int(M2['m10'] / M2['m00']), int(M2['m01'] / M2['m00']) # 计算偏移量 offset_x = cx2 - cx1 offset_y = cy2 - cy1 # 计算图像的宽度和高度 height, width = image1.shape[:2] # 计算总偏移百分比 total_offset = np.sqrt(offset_x 2 + offset_y 2) total_pixels = width * height offset_percentage = (total_offset / total_pixels) * 100 return offset_percentage else: return None # 读取两张图片 image1 = cv2.imread('image1.jpg') image2 = cv2.imread('image2.jpg') offset_percentage = calculate_offset_percentage(image1, image2) if offset_percentage is not None: print(f"总偏移百分比: {offset_percentage}%") else: print("未检测到黄色区域") ``` 在上述代码中，我们首先将图像转换为 HSV 颜色空间以更好地检测黄色区域。然后，通过掩码提取黄色区域，找到其轮廓，并计算轮廓的质心。根据质心的偏移量计算总偏移百分比。 您需要根据实际情况调整黄色的 HSV 范围以及处理可能出现的异常情况。 [2024-08-10 10:56:07 | AI写代码神器 | 786点数解答]