### 蓝色正方形识别与标注 为了实现从图像中识别蓝色正方形并对其进行标注的功能，可以利用 OpenCV 庌库完成颜色过滤、形态学操作以及轮廓检测等步骤。以下是完整的 Python 实现代码： ```python import cv2 import numpy as np # 定义函数用于检测和绘制蓝色正方形 def detect_and_draw_blue_squares(image_path): # 读取图像 image = cv2.imread(image_path) # 使用cv2.imread加载图像[^1] if image is None: raise ValueError(f"无法找到指定路径的图像：{image_path}") original_image = image.copy() # 将BGR转换为HSV色彩空间以便于颜色处理 hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 定义蓝色范围 (可以根据具体需求调整阈值) lower_blue = np.array([90, 50, 50]) # HSV下限 upper_blue = np.array([130, 255, 255]) # HSV上限 # 创建掩码以保留蓝色区域 blue_mask = cv2.inRange(hsv_image, lower_blue, upper_blue) # 形态学操作去除噪声 kernel = np.ones((5, 5), np.uint8) cleaned_mask = cv2.morphologyEx(blue_mask, cv2.MORPH_OPEN, kernel) # 查找轮廓 contours, _ = cv2.findContours(cleaned_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历所有轮廓寻找矩形 for contour in contours: epsilon = 0.02 * cv2.arcLength(contour, True) approx = cv2.approxPolyDP(contour, epsilon, True) # 如果近似后的顶点数为4，则认为是一个四边形 if len(approx) == 4 and cv2.isContourConvex(approx): area = cv2.contourArea(contour) # 过滤掉面积过小的对象 if area > 100: # 可根据实际场景调整最小面积 x, y, w, h = cv2.boundingRect(approx) # 判断宽高比例接近正方形的情况 aspect_ratio = float(w) / h if 0.9 <= aspect_ratio <= 1.1: # 正方形的比例条件 cv2.rectangle(original_image, (x, y), (x + w, y + h), (0, 255, 0), 2) # 绘制绿色框线 return original_image if __name__ == "__main__": input_image_path = "test_media/test.png" output_image = detect_and_draw_blue_squares(input_image_path) # 显示结果图像 cv2.imshow("Detected Blue Squares", output_image) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此代码实现了以下功能： - **图像读取**：通过 `cv2.imread` 函数加载待分析的图像文件[^1]。 - **颜色空间转换**：将 BGR 图像转换到 HSV 空间，便于定义特定的颜色区间。 - **颜色过滤**：设置蓝色的上下限，并创建二值化掩膜来隔离蓝色部分。 - **形态学去噪**：应用开运算减少可能存在的噪声干扰。 - **轮廓查找与筛选**：调用 `findContours` 方法提取潜在对象边界；随后依据形状特征判断其是否满足正方形标准。 以上方法能够有效定位图片内的蓝色正方形区域，并加以标记显示出来。 ####