### 检测图像中的矩形并标注其像素坐标 以下是一段 Python 代码，使用 OpenCV 库来检测图像中的矩形，并将每个矩形的中心点及其像素坐标标注在图像上。此代码通过查找轮廓并筛选出具有四个顶点的闭合图形作为可能的矩形。 #### 实现原理 - 使用 `cv2.Canny` 执行边缘检测以突出显示图像中的边界[^1]^。 - 利用 `cv2.findContours` 函数提取所有外部轮廓，并从中筛选出近似为四边形的形状[^2]^。 - 对于每一个候选矩形，计算其宽高比和面积，从而过滤掉不符合条件的小对象或非矩形结构[^3]^。 - 计算满足条件的矩形的质心位置，并将其像素坐标绘制到原始图像上以便可视化。 ```python import cv2 import numpy as np def detect_rectangles(image_path): # 加载彩色图像 original_img = cv2.imread(image_path) if original_img is None: raise ValueError("Image not found or path is incorrect.") # 转换为灰度图 gray = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY) # 高斯模糊去噪 blurred = cv2.GaussianBlur(gray, (5, 5), 0) # Canny 边缘检测 edges = cv2.Canny(blurred, threshold1=50, threshold2=150) # 寻找所有外部轮廓 contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) rectangles = [] for contour in contours: perimeter = cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, 0.04 * perimeter, True) # 如果近似曲线有四个顶点，则认为可能是矩形 if len(approx) == 4 and cv2.isContourConvex(approx): area = cv2.contourArea(contour) _, _, w, h = cv2.boundingRect(approx) # 定义矩形的标准：忽略过小的对象 if area > 100: moments = cv2.moments(contour) cx = int(moments['m10'] / moments['m00']) # X 坐标 cy = int(moments['m01'] / moments['m00']) # Y 坐标 rectangles.append(((cx, cy), approx)) # 将找到的矩形框起来 cv2.polylines(original_img, [approx], True, (0, 255, 0), thickness=2) cv2.circle(original_img, (cx, cy), radius=5, color=(0, 0, 255), thickness=-1) cv2.putText(original_img, f"({cx}, {cy})", (cx + 10, cy - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 0), 2) return original_img, rectangles if __name__ == "__main__": result_image, detected_rectangles = detect_rectangles('example.jpg') cv2.imshow('Detected Rectangles', result_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` --- ###