### 识别图片中的正方形并标注其像素坐标 以下是实现该功能的一段 Python 代码，它基于 OpenCV 库完成图像处理和形状检测的任务。此代码能够从输入图像中提取正方形，并将其中心点的像素坐标标记出来。 #### 实现原理 - 使用 `cv2.Canny` 进行边缘检测以突出图像中的边界[^1]^。 - 利用 `cv2.findContours` 查找轮廓，并筛选出具有四个顶点的闭合图形作为潜在的矩形或正方形候选项[^2]^。 - 对于每个候选区域，计算宽高比以及角度偏差来进一步确认是否为正方形[^3]^。 - 计算符合条件的正方形的质心位置，并将这些坐标绘制到原始图像上以便可视化。 ```python import cv2 import numpy as np def find_squares(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) squares = [] 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，则认为可能是矩形或正方形 if len(approx) == 4 and cv2.isContourConvex(approx): area = cv2.contourArea(contour) _, _, w, h = cv2.boundingRect(approx) # 定义正方形的标准：宽度与高度接近相等 aspect_ratio = float(w) / h if 0.9 <= aspect_ratio <= 1.1 and area > 100: # 排除过小的对象 moments = cv2.moments(contour) cx = int(moments['m10'] / moments['m00']) # X 坐标 cy = int(moments['m01'] / moments['m00']) # Y 坐标 squares.append(((cx, cy), approx)) # 将找到的正方形框起来 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, squares if __name__ == "__main__": result_image, detected_squares = find_squares('example.jpg') cv2.imshow('Detected Squares', result_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` --- ###