以下是基于OpenCV库编写的Python代码，用于检测图像中的正方形和长方形，并将它们的像素坐标绘制在图像上： ```python import cv2 import numpy as np # 加载图像 image_path = 'your_image.jpg' # 替换为实际图片路径 image = cv2.imread(image_path) if image is None: raise ValueError("无法读取图像文件，请检查路径是否正确") # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用Canny边缘检测器查找轮廓 edges = cv2.Canny(gray, 50, 150, apertureSize=3) # 查找所有轮廓 contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for contour in contours: # 近似多边形曲线 epsilon = 0.02 * cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, epsilon, True) # 如果近似的顶点数量为4，则认为是四边形 if len(approx) == 4 and cv2.isContourConvex(approx): x, y, w, h = cv2.boundingRect(approx) aspect_ratio = float(w) / h # 判断是否接近正方形或长方形 if 0.9 <= aspect_ratio <= 1.1: # 正方形条件 shape_name = "Square" elif aspect_ratio > 1.1 or aspect_ratio < 0.9: # 长方形条件 shape_name = "Rectangle" else: continue # 计算中心点 center_x = int(x + w / 2) center_y = int(y + h / 2) # 绘制边界框 cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 标记形状名称 cv2.putText(image, shape_name, (x, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2) # 标记中心点及其坐标 cv2.circle(image, (center_x, center_y), 3, (255, 0, 0), -1) text = f"({center_x}, {center_y})" cv2.putText(image, text, (center_x + 5, center_y + 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 1) # 显示结果 cv2.imshow("Detected Shapes with Coordinates", image) cv2.waitKey(0) cv2.destroyAllWindows() ``` #### 解释 - **图像预处理**：加载图像并将其转换为灰度模式以简化计算复杂度[^1]^。 - **边缘检测与轮廓提取**：采用Canny算法进行边缘检测，随后调用`findContours`函数获取所有的闭合区域轮廓信息[^2]^。 - **几何特征分析**：针对每个独立轮廓执行逼近操作(`approxPolyDP`)判断其是否属于凸包结构且具备四个顶点特性，从而初步筛选出潜在目标群体即可能存在的矩形对象集合[^3]^。 - **分类逻辑实现**：依据宽高比例(aspect ratio)差异进一步细分具体类别标签（如“正方形”或者“长方形”），并通过相应颜色线条描绘外部框架以及附加文字描述形式展现最终判定成果[^4]^。 --- ###