### 寻找图像中连通域内的平行四边形 为了在图像中找到连通区域内的平行四边形，可以采用一系列基于OpenCV的操作来完成这一任务。具体过程涉及边缘检测、轮廓查找以及几何形状分析。 #### 预处理阶段 预处理对于提高后续步骤的准确性至关重要。通常会先将彩色图片转换成灰度图，并应用高斯模糊减少噪音干扰[^4]： ```python import cv2 import numpy as np def preprocess_image(image_path): # 加载并转为灰度模式 gray = cv2.cvtColor(cv2.imread(image_path), cv2.COLOR_BGR2GRAY) # 应用高斯模糊去除噪声 blurred = cv2.GaussianBlur(gray, (5, 5), 0) return blurred ``` #### 边缘检测与形态学操作 通过Canny算法获取二值化后的边界信息，再利用闭运算填充可能存在的缝隙，使得封闭图形更加完整以便于下一步提取轮廓: ```python def edge_detection_and_morphology(blurred_img): edges = cv2.Canny(blurred_img, 50, 150) kernel = np.ones((5,5),np.uint8) closed_edges = cv2.morphologyEx(edges,cv2.MORPH_CLOSE,kernel) return closed_edges ``` #### 轮廓发现和平行四边形筛选 遍历所有轮廓，计算每条线段之间的角度差值，当满足特定条件时即认为找到了近似平行四边形结构: ```python def find_parallelograms(closed_edges): contours,_=cv2.findContours(closed_edges.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2:] parallelogram_contours = [] for cnt in contours: approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True) if len(approx) == 4: # 只考虑有四个顶点的情况 vectors = [] for i in range(len(approxDp)): p1 = tuple(map(int,approx[i][0])) p2 = tuple(map(int,approxDp[(i+1)%len(approxDp)][0])) vector = complex(p2[0]-p1[0], -(p2[1]-p1[1])) # 注意y轴方向相反 magnitude = abs(vector) unit_vector = vector / magnitude if magnitude != 0 else 0 angle = cmath.phase(unit_vector)*180/math.pi % 360 vectors.append(angle) angles_diffs = [(vectors[j] - vectors[(j-1)])%180 for j in range(len(vectors))] isParallelogram = all(abs(diff - round(diff/90)*90)<10 or abs(180-abs(diff-round(diff/90)*90))<10 \ for diff in angles_diffs) if isParallelogram: parallelogram_contours.append(approx) return parallelogram_contours ``` 最后，在原始图像上绘制出所找到的所有平行四边形轮廓即可展示结果。