opencv检测矩形python

### 使用Python和OpenCV进行矩形检测 #### 安装必要的库 为了能够顺利运行代码，需要确保已经安装了`opencv-python`库。可以使用以下命令来完成安装： ```bash pip install opencv-python ``` #### 加载并预处理图像 在开始矩形检测之前，通常会对输入图片做一些基本的预处理工作，比如灰度化、高斯模糊等操作，这有助于提高后续特征提取的效果。 ```python import cv2 import numpy as np # 读取图像文件 image = cv2.imread('example.jpg') # 将彩色图像转为灰度图 gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 应用高斯平滑减少噪声干扰 blurred_gray_image = cv2.GaussianBlur(gray_image, (5, 5), 0)[^5] ``` #### 边缘检测与形态学运算 接下来，通过Canny算法获取图像中的边缘信息，并对其进行闭合填充以形成完整的轮廓结构。 ```python # Canny Edge Detection edges = cv2.Canny(blurred_gray_image, threshold1=30, threshold2=90) # 形态学膨胀使断开的部分连接起来 kernel = np.ones((5, 5), dtype=np.uint8) closed_edges = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel) ``` #### 轮廓查找及筛选 利用findContours函数找到所有的封闭区域，再从中挑选出近似于四边形的对象作为候选矩形。 ```python contours, _ = cv2.findContours(closed_edges.copy(), mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE) rectangles = [] for contour in contours: perimeter = cv2.arcLength(contour, closed=True) approximated_contour = cv2.approxPolyDP(contour, epsilon=0.04 * perimeter, closed=True) if len(approximated_contour) == 4 and \ cv2.contourArea(contour) > 100: # 过滤掉太小的区域 rectangles.append(approximated_contour) ``` #### 计算矩形属性 对于每一个满足条件的矩形，还可以进一步计算它的几何特性，例如中心位置、旋转角度等。 ```python def get_rectangle_properties(rectangle): rect = cv2.minAreaRect(rectangle) box = cv2.boxPoints(rect) box = np.intp(box) center_x, center_y = int(rect[0][0]), int(rect[0][1]) angle_of_rotation = abs(rect[-1]) return { 'center': (center_x, center_y), 'rotation_angle': angle_of_rotation, 'vertices': box.tolist() } properties_list = [get_rectangle_properties(r) for r in rectangles] # 打印所有发现的矩形及其属性 for prop in properties_list: print(f"Center at {prop['center']}, Rotated by {prop['rotation_angle']} degrees.") ``` 以上就是一种较为通用的方式来进行矩形对象的自动识别过程[^1]。当然，在具体应用场景下还需要针对实际情况调整参数设置，优化性能表现。