opencv识别不同形状物体

### 使用OpenCV进行多种形状物体的检测与识别 #### 图像预处理 为了有效地区分不同的几何形状，在开始之前通常需要对输入图像执行一系列预处理操作。这包括但不限于灰度化转换、噪声去除以及边缘增强等步骤，以便后续能够更清晰地提取目标特征[^2]。 ```python import cv2 import numpy as np # 加载原始彩色图片并转成灰度图 image = cv2.imread('shapes.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 应用高斯模糊减少噪音干扰 blurred = cv2.GaussianBlur(gray, (5, 5), 0) ``` #### 边缘检测 采用Canny算子或其他方法可以有效地找到图像中的边界线段，这对于定位封闭区域内的特定图形至关重要。经过此阶段后得到的结果将是二值化的边框表示形式，其中白色像素代表可能存在的轮廓位置。 ```python # Canny Edge Detection edges = cv2.Canny(blurred, 50, 150) ``` #### 轮廓发现 利用`findContours()`函数可以从上述获得的边缘映射里检索到所有的连通域，并返回它们各自的坐标集合。对于每一个这样的闭合路径而言，还可以进一步计算其近似多边形以简化描述方式，从而便于之后判断具体属于哪种标准形态。 ```python contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: perimeter = cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, 0.04 * perimeter, True) if len(approx) == 3: shape_name = "Triangle" elif len(approx) == 4: x,y,w,h = cv2.boundingRect(cnt) aspect_ratio = float(w)/h if 0.95 <= aspect_ratio <= 1.05: shape_name = "Square" else: shape_name = "Rectangle" elif len(approxx) >= 5 and len(approx)<=7 : shape_name="Pentagon" #五角星的情况较为复杂，这里简单假设为五边形 elif len(approx)>8: shape_name = "Circle" # 绘制轮廓及其标签 M = cv2.moments(cnt) cX = int(M["m10"] / M["m00"]) cY = int(M["m01"] / M["m00"]) cv2.drawContours(image,[cnt],-1,(0,255,0),2) cv2.putText(image,shape_name,(cX,cY),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,255,255),2) ``` #### 形状分类 基于前面获取的信息——即每条轮廓所对应的顶点数量，就可以轻松判定当前对象最接近于哪一类已知的标准模型（如三角形、正方形/矩形、圆圈）。值得注意的是，实际应用场景下可能会遇到更多种类或者不规则的对象，因此还需要考虑额外的因素来进行更为精确的区别对待。