### 图像形状检测与颜色统计 要使用 OpenCV 实现图像中的圆形、矩形、正方形和五角星的识别并统计其颜色和数量，可以按照以下方法完成。 #### 形状检测 对于形状检测，通常会利用轮廓提取技术来找到目标对象。通过 `cv2.findContours` 函数获取图像中的所有轮廓，并分析这些轮廓的几何特性以判断具体形状： - **圆形**可以通过计算轮廓的近似圆度来进行判定。如果一个轮廓接近于完美的圆形，则认为它是圆形。 - **矩形和正方形**可以通过检查轮廓是否有四个顶点以及角度是否为直角来区分。进一步地，当四边长度相等时可认定为正方形[^1]。 - **五角星**相对复杂一些，它具有特定的数量尖端特征。一般需借助更复杂的模板匹配或者霍夫变换扩展版算法处理特殊形态如星星图案。 以下是基于Python的一个简单例子用于演示如何查找基本图形: ```python import cv2 import numpy as np def detect_shapes(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) _, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:] shapes_count = {"circle":0,"rectangle":0,"square":0} for cnt in contours: perimeter = cv2.arcLength(cnt,True) approx = cv2.approxPolyDP(cnt,0.04*perimeter,True) if len(approx)==3: shape="triangle" elif len(approx) == 4: (x,y,w,h)=cv2.boundingRect(approx) ar=w/float(h) shape='square'if ar>=0.9andar<=1.1else'rectangle' shapes_count['square']+=1ifshape=='square'elsshapes_count['rectangle']+=1 eliflen(approx)>8: shape='circle' shapes_count['circle']+=1 returnshapes_count,imgwithdrawncontours result,countouredimage=detect_shapes('path_to_image') print(result) ``` 此脚本仅涵盖了基础形状（三角形未展示），实际应用可能还需要调整参数适应不同场景下的精度需求。 #### 颜色分类 为了对每种形状进行颜色分类计数，在上述基础上增加HSV色彩空间转换步骤，这样可以根据Hue值范围定义不同的颜色类别。例如红色、蓝色等标准区间内的像素会被归类到相应组别下再做总计操作。 最后综合以上两部分功能即可得到完整的解决方案——既能够辨别多种常见几何体又能按各自所属色调加以汇总报告出来。