### 使用 OpenCV 实现物体识别并获取其位置坐标 为了实现基于 OpenCV 的物体识别以及获取目标的位置坐标，可以按照以下方式构建解决方案： #### 安装依赖库 在开始之前，需要确保已安装 OpenCV 库。可以通过以下命令完成安装[^2]: ```bash pip install opencv-python ``` #### 编写物体识别的类 创建一个 Python 类来封装物体检测逻辑。以下是完整的代码示例： ```python import cv2 import numpy as np class ObjectDetector: def __init__(self, image_path): self.image = cv2.imread(image_path) if self.image is None: raise ValueError("Image not found or path incorrect.") def preprocess_image(self): """预处理图像：灰度化、高斯模糊""" gray = cv2.cvtColor(self.image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) return blurred def detect_contours(self, threshold_value=127): """ 检测轮廓并返回边界框信息。 参数: - threshold_value: 阈值分割参数 返回: - contours: 轮廓列表 - hierarchy: 层次结构 """ preprocessed = self.preprocess_image() _, thresh = cv2.threshold(preprocessed, threshold_value, 255, cv2.THRESH_BINARY) contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) return contours def get_object_coordinates(self): """ 获取每个检测到物体的矩形边界框中心坐标和旋转角度。 返回: - coordinates_and_angles: [(center_x, center_y, angle)] """ contours = self.detect_contours() coordinates_and_angles = [] for contour in contours: # 计算最小外接矩形 rect = cv2.minAreaRect(contour) box = cv2.boxPoints(rect) box = np.intp(box) # 提取中心点和旋转角度 center = rect[0] angle = rect[2] # 添加到结果列表 coordinates_and_angles.append((int(center[0]), int(center[1]), angle)) return coordinates_and_angles # 测试代码 if __name__ == "__main__": detector = ObjectDetector('path_to_your_image.jpg') results = detector.get_object_coordinates() for result in results: print(f"Object Center: ({result[0]}, {result[1]}), Angle: {result[2]} degrees") ``` 上述代码实现了以下几个功能： 1. **读取图片** 并初始化 `ObjectDetector` 对象。 2. **预处理图像** 包括灰度转换和高斯模糊以减少噪声影响[^1]。 3. **阈值分割** 和 **轮廓提取** 来定位可能的目标区域。 4. **计算最小外接矩形** 及其中心点与旋转角度[^3]。 #### 输出解释 该程序会打印出每个检测到物体的中心坐标 `(x, y)` 以及对应的旋转角度（单位为度数）。这些数据可用于进一步控制机械臂或其他自动化设备调整姿态。 --- ###