### 图像中指定尺寸矩形数量的计算方法 为了统计图像中特定尺寸（如 1x1、1x2、1x3 和 1x4）矩形的数量，可以采用 OpenCV 结合形态学操作和轮廓检测技术。以下是具体实现方式及其解释： #### 方法概述 1. **二值化处理**：将彩色或灰度图像转换为二值图，以便更容易提取形状特征。 2. **形态学操作**：利用开运算去除噪声，闭运算填充目标内的孔洞，从而优化边缘检测效果。 3. **轮廓检测**：通过 `cv2.findContours()` 提取图像中的所有封闭区域。 4. **筛选符合条件的矩形**：基于面积和宽高比例过滤出满足条件的目标矩形。 --- #### 实现代码示例 ```python import cv2 import numpy as np def count_specific_size_rectangles(image_path, target_widths=[1, 1, 1, 1], target_heights=[1, 2, 3, 4]): """ 统计图像中指定尺寸矩形的数量。 参数: image_path (str): 输入图像路径。 target_widths (list): 目标矩形宽度列表。 target_heights (list): 目标矩形高度列表。 返回: dict: 各种尺寸矩形的数量字典。 """ # 加载并预处理图像 img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 读取灰度图 _, binary_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY) # 二值化 # 形态学操作去噪 kernel = np.ones((3, 3), dtype=np.uint8) opening = cv2.morphologyEx(binary_img, cv2.MORPH_OPEN, kernel) # 开运算 closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel) # 闭运算 # 轮廓检测 contours, _ = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 初始化结果存储 rectangle_counts = {} for contour in contours: rect = cv2.minAreaRect(contour) # 获取最小外接矩形 box = cv2.boxPoints(rect).astype(int) # 将 Box2D 转换为四个顶点坐标 width, height = abs(box[0][0] - box[1][0]), abs(box[0][1] - box[1][1]) # 计算实际宽高 aspect_ratio = max(width / height, height / width) if height != 0 and width != 0 else float('inf') # 判断是否匹配目标尺寸 for w, h in zip(target_widths, target_heights): if int(round(aspect_ratio)) == round(h / w) and \ abs(w * h - width * height) < 10: # 容差范围调整 key = f"{w}x{h}" rectangle_counts[key] = rectangle_counts.get(key, 0) + 1 return rectangle_counts # 测试部分 result = count_specific_size_rectangles(r"test_image.png", [1, 1, 1, 1], [1, 2, 3, 4]) print(result) ``` --- #### 关键点解析 1. **二值化与形态学操作** - 使用阈值法将图像转化为黑白两色，简化后续分析过程[^1]。 - 借助开闭运算消除干扰因素，提高边界清晰度[^2]。 2. **轮廓提取与属性计算** - 函数 `cv2.findContours()` 找到所有独立对象的外部轮廓。 - 运用 `cv2.minAreaRect()` 得到每条轮廓对应的最小包围盒参数[(center_x, center_y), (width, height), angle]^[]。 3. **尺寸匹配逻辑** - 根据给定的比例关系逐一核验候选矩形是否属于预期类别之一。 - 设置一定误差界限允许轻微偏差存在以适应实际情况需求[^3]。 --- ### 注意事项 - 上述算法假定输入数据已标准化即像素单位等于物理测量标准；否则可能需要额外校准步骤。 - 当前版本仅支持整数值作为长宽比依据扩展功能可考虑引入浮点数支持更精细分类。