使用OpenCV识别矩形结构坐标并绘制轮廓

你已经完成了图像的阈值分割，得到二值化图像，接下来可通过以下步骤实现目标矩形的轮廓绘制与坐标提取：

图像参考 #

• 原始图像：
  
• 阈值分割后图像：
  
• 期望输出效果：
  

具体操作步骤 #

1. 提取图像轮廓 #

使用cv2.findContours从二值化图像中提取轮廓，推荐用RETR_EXTERNAL只检测最外层轮廓，减少不必要的计算：

contours, hierarchy = cv2.findContours(th1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

2. 筛选目标矩形轮廓 #

遍历所有轮廓，筛选符合矩形特征的目标轮廓：

• 用cv2.approxPolyDP对轮廓做多边形近似，判断近似后顶点数量是否为4（矩形的核心特征）
• 结合cv2.contourArea过滤面积过小的干扰轮廓

target_contours = []
for cnt in contours:
    # 计算轮廓近似多边形的精度参数
    epsilon = 0.02 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    # 筛选出矩形轮廓（4个顶点）且面积达标
    if len(approx) == 4 and cv2.contourArea(cnt) > 1000:
        target_contours.append(approx)

3. 绘制矩形并获取坐标 #

对筛选出的目标轮廓，用cv2.rectangle绘制外接矩形，同时通过cv2.boundingRect获取矩形的坐标参数（x, y, w, h）：

# 创建原始图像的副本用于绘制结果
result_img = img.copy()
for cnt in target_contours:
    # 获取外接矩形的左上角坐标及宽高
    x, y, w, h = cv2.boundingRect(cnt)
    # 绘制红色矩形轮廓，线宽为2
    cv2.rectangle(result_img, (x, y), (x + w, y + h), (0, 0, 255), 2)
    # 打印输出矩形坐标
    print(f"目标矩形坐标：x={x}, y={y}, 宽度={w}, 高度={h}")

# 显示结果图像
cv2.imshow("Result", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

完整代码整合 #

将上述步骤与你已有的阈值分割代码整合，完整示例如下：

import cv2

# 读取原始图像
img = cv2.imread("your_image_path.jpg")
# 转为灰度图（若原始图像非灰度图则需要此步骤）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 执行阈值分割
th1 = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# 提取图像轮廓
contours, hierarchy = cv2.findContours(th1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选目标矩形轮廓
target_contours = []
for cnt in contours:
    epsilon = 0.02 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    if len(approx) == 4 and cv2.contourArea(cnt) > 1000:
        target_contours.append(approx)

# 绘制矩形并输出坐标
result_img = img.copy()
for cnt in target_contours:
    x, y, w, h = cv2.boundingRect(cnt)
    cv2.rectangle(result_img, (x, y), (x + w, y + h), (0, 0, 255), 2)
    print(f"目标矩形坐标：x={x}, y={y}, 宽={w}, 高={h}")

cv2.imshow("Result", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者Emm