### 使用 Python 和 OpenCV 检测图像中的矩形轮廓 为了实现这一目标，可以采用形态学操作以及轮廓查找的方法来识别图像内的矩形形状。下面提供了一种具体的方式来进行矩形检测。 #### 寻找图像边缘 通过Canny算子或其他边缘检测技术提取图像边界有助于后续处理阶段更精准定位物体外形[^2]。 ```python import cv2 import numpy as np def detect_rectangles(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 应用高斯模糊减少噪声 blurred = cv2.GaussianBlur(gray, (5, 5), 0) # Canny 边缘检测 edges = cv2.Canny(blurred, 50, 150) ``` #### 查找并筛选轮廓 利用`findContours()`函数获取所有可能存在的闭合区域，并从中挑选出近似四边形结构作为候选矩形对象[^4]。 ```python contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) rectangles = [] for cnt in contours: peri = cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, 0.02 * peri, True) if len(approx) == 4: # 如果有四个顶点，则认为是一个矩形 rectangles.append(approx) ``` #### 绘制矩形及其属性 对于每一个确认下来的矩形实例，不仅可以在原图中标记出来，还可以进一步计算其几何特性比如位置、尺寸和方向角等参数。 ```python for rect in rectangles: # 将浮点数转换成整型坐标 points = rect.reshape(-1, 2).astype(int) # 获取最小外接矩形的信息 min_area_rect = cv2.minAreaRect(rect) center, size, angle = min_area_rect print(f'Center:{center}, Size:{size}, Angle:{angle}') # 可视化矩形框 box = cv2.boxPoints(min_area_rect) box = np.intp(box) cv2.drawContours(img,[box],0,(0,255,0),2) return img, rectangles ``` 上述代码片段展示了如何运用OpenCV库完成基本的矩形探测任务。值得注意的是，在实际应用过程中还需要考虑更多细节调整以适应不同场景下的需求。