### OpenCV 4 形状检测教程 #### 图像预处理 为了有效地执行形状检测，通常需要先对输入图像进行一些基本的预处理操作。这包括将彩色图像转换为灰度图，并应用边缘检测算法来突出显示物体边界。 ```python import cv2 import numpy as np # 加载原始图片并转成灰度模式 img = cv2.imread('shapes.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)[^2] # 使用高斯模糊减少噪音 blurred = cv2.GaussianBlur(gray, (5, 5), 0) # Canny 边缘检测 edges = cv2.Canny(blurred, 50, 150) ``` #### 轮廓发现与绘制 一旦获得了二值化的边缘映射，就可以利用 `findContours` 函数找到所有的闭合轮廓。接着可以根据这些轮廓的信息进一步分析具体的几何特征。 ```python # 查找轮廓 contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: # 计算轮廓面积以排除小区域干扰项 area = cv2.contourArea(cnt) if area > 2000: # 只考虑较大尺寸的对象 epsilon = 0.02 * cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, epsilon, True) # 绘制近似多边形 cv2.drawContours(img, [approx], -1, (0, 255, 0), 3) # 获取对象中心位置用于标注文字说明 M = cv2.moments(approx) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) # 判断是什么样的简单图形并通过文本标记出来 if len(approx) == 3: shape_name = "Triangle" elif len(approx) == 4: x,y,w,h = cv2.boundingRect(approx) ar = w / float(h) if ar >= 0.95 and ar <= 1.05: shape_name = "Square" else: shape_name = "Rectangle" else: shape_name = "Circle" font = cv2.FONT_HERSHEY_SIMPLEX cv2.putText(img, shape_name,(cx,cy),font,0.7,(255,255,255),2,cv2.LINE_AA) ``` 上述代码片段展示了如何使用 Python 和 OpenCV 库来进行基础的形状识别任务[^3]。通过调整参数可以适应不同的应用场景需求。