На изображении task2.png с помощью OpenCV оставить только круг с самым насыщенным цветом, остальные части изображения сделать черно-белыми

Предмет: Программирование на Python

Раздел: Компьютерное зрение (OpenCV)

Задание: На изображении task2.png с помощью OpenCV оставить только круг с самым насыщенным цветом, остальные части изображения сделать черно-белыми.

Какие шаги мы будем выполнять:

1. Загрузим изображение task2.png.
2. Определим объекты, похожие на круги, с помощью метода Хафа.
3. Найдем круг с самым насыщенным цветом (по критерию насыщенности в цветовом пространстве HSV).
4. Преобразуем остальные части изображения в черно-белое, кроме круга с самым высоким уровнем насыщенности.
5. Сохраним результат в новый файл.

Подробное решение

1. Импорт библиотек: Для работы с изображениями используется библиотека OpenCV. Также импортируем numpy для работы с массивами.

   import cv2
   import numpy as np

2. Загрузка изображения:

   image = cv2.imread('task2.png')

3. Преобразование изображения в градации серого:

   gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

4. Использование метода Хафа для нахождения кругов: Метод Хафа используется для нахождения кругов в изображении.

   circles = cv2.HoughCircles(
       gray,
       cv2.HOUGH_GRADIENT,
       dp=1,
       minDist=30,
       param1=50,
       param2=30,
       minRadius=10,
       maxRadius=100
   )

   Этот код ищет круги на изображении. Важно правильно подобрать параметры для нахождения кружков.
5. Преобразование картинки в цветовое пространство HSV: Цветовое представление HSV удобно для определения насыщенности цвета:

   hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

6. Поиск круга с наибольшей насыщенностью цвета: Если круги найдены, мы определим наиболее насыщенный пиксель в пределах каждого из них.

   if circles is not None:
       circles = np.uint16(np.around(circles))
       max_saturation = -1
       best_circle = None
       for circle in circles[0, :]:
           center_x, center_y, radius = circle
           mask = np.zeros_like(gray)
           cv2.circle(mask, (center_x, center_y), radius, 255, thickness=-1)
           mask_hsv = cv2.bitwise_and(hsv_image, hsv_image, mask=mask)
           # Извлекаем максимальную насыщенность (2-й канал будет насыщенностью)
           saturation_channel = mask_hsv[:, :, 1]
           max_sat = np.max(saturation_channel)
           if max_sat > max_saturation:
               max_saturation = max_sat
               best_circle = circle

7. Преобразование остальной части изображения в черно-белое: Мы делаем так, чтобы оставался только круг в цвете, в то время как остальная часть изображения будет черно-белой:

   # Создаем черно-белое изображение
   gray_colored = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)
   if best_circle is not None:
       center_x, center_y, radius = best_circle
       # Создаем маску для оставления одного круга
       mask = np.zeros_like(gray)
       cv2.circle(mask, (center_x, center_y), radius, (255, 255, 255), thickness=-1)
       # Закрашиваем области вне круга черно-белым вариантом изображения
       result = np.where(mask[:, :, np.newaxis] > 0, image, gray_colored)
   else:
       result = gray_colored

8. Сохранение результата: Сохраняем итоговое изображение с кромкой нужного круга.

   cv2.imwrite('result.png', result)

### Сокращенное объяснение: - Мы используем метод Хафа для нахождения кругов на изображении. - Преобразуем изображение в цветовую модель HSV, чтобы извлечь насыщенность для каждого круга. - Круг с наибольшей насыщенностью остаётся цветным, остальные части изображения становятся черно-белыми. ### Вывод: Задача относится к компьютерному зрению с использованием Python и библиотеки OpenCV. Мы успешно реализовали поиск кругов, их анализ на насыщенность и преобразование части изображения в черно-белый формат.