### 使用 OpenCV 识别并提取图像中的多个矩形区域 为了实现通过 OpenCV 来检测图片中的多个矩形区域，并按照从左到右、从上到下的顺序依次截取这些矩形并将它们保存到另一个文件夹中，可以遵循以下方法。 #### 方法概述 1. **加载图像**：读取输入图像以便进一步处理。 2. **预处理图像**：转换为灰度图并通过二值化或其他技术增强边缘特征。 3. **轮廓检测**：利用 `cv2.findContours` 函数找到所有的轮廓。 4. **筛选矩形**：过滤掉不符合条件的形状（例如非矩形或面积过小的对象）。 5. **排序矩形**：基于矩形的位置对其进行排序，优先级是从左至右再至上而下。 6. **裁剪与存储**：逐一裁剪每个矩形区域并将其保存到指定目录。 以下是完整的 Python 实现代码： ```python import cv2 import os from operator import itemgetter def detect_and_save_rectangles(input_image_path, output_folder): # 创建输出文件夹如果不存在 if not os.path.exists(output_folder): os.makedirs(output_folder) # 加载原始图像 image = cv2.imread(input_image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转换为灰度图 # 预处理 - 应用高斯模糊和Canny边缘检测 blurred = cv2.GaussianBlur(gray, (5, 5), 0) edged = cv2.Canny(blurred, 50, 200, apertureSize=3) # 查找所有外部轮廓 contours, _ = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) rectangles = [] # 过滤出近似矩形的轮廓 for contour in contours: peri = cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, 0.04 * peri, True) if len(approx) == 4: # 如果有四个顶点，则认为是一个矩形 x, y, w, h = cv2.boundingRect(contour) aspect_ratio = float(w)/h # 可选地设置宽高比阈值来排除异常情况 if 0.8 <= aspect_ratio <= 1.2 and w > 10 and h > 10: rectangles.append((x, y, w, h)) # 对矩形按位置排序(先y轴后x轴)，即从上到下、从左到右 sorted_rects = sorted(rectangles, key=lambda r: (r[1], r[0])) count = 1 for rect in sorted_rects: x, y, w, h = rect cropped_img = image[y:y+h, x:x+w] # 截取子图像 filename = f"{output_folder}/rect_{count}.png" cv2.imwrite(filename, cropped_img) # 存储到磁盘 count += 1 # 示例调用函数 input_image_path = 'path_to_input_image.jpg' output_directory = './extracted_rectangles/' detect_and_save_rectangles(input_image_path, output_directory) ``` 此脚本实现了自动化的矩形检测以及有序保存功能。注意调整参数如最小宽度高度或者比例范围以适应不同类型的输入数据[^3]。 #### 关键点解释 - 图像预处理阶段有助于提高后续操作的成功率，特别是当源材料质量较差时。 - 排序逻辑确保最终结果符合人类阅读习惯——逐行扫描模式。 - 自定义过滤标准可以根据具体应用场景灵活修改。