是否存在可在图像中检测已知尺寸和形状的目标物体的算法？

适合非专业背景的轻量实现方案（基于OpenCV，门槛极低，3张图调试成本几乎为0） #

不需要用到深度学习之类的复杂方案，用传统图像处理算子几步就能搞定：

• 第一步：二值化分割白色区域
  目标是白色矩形，灰度值显著高于背景，直接调用cv2.threshold()做固定阈值二值化，就能把所有高灰度的白色区域单独提取出来，深色的圆形和背景直接被过滤。
• 第二步：轮廓初筛
  用cv2.findContours()提取所有白色区域的轮廓，结合你已知的矩形尺寸，先按面积过滤：根据图像分辨率算出目标矩形的面积上下阈值，把面积不在范围内的轮廓全部丢弃，大部分干扰轮廓这一步就能排除。
• 第三步：形状特征精准匹配
  对剩余的轮廓做两个维度的校验，基本就能锁定目标：
  1. 计算轮廓的最小外接矩形，对比外接矩形的长宽比和你已知的目标矩形比例，误差控制在5%以内即可保留
  2. 提前画一个和目标比例、圆角大小一致的标准模板轮廓，用cv2.matchShapes()计算待检测轮廓和模板的形状相似度，得分低于0.1的就是目标圆角矩形
• 第四步：输出位置
  确认目标轮廓后，调用cv2.boundingRect()就能直接得到矩形的左上角坐标、宽度、高度，即你需要的位置信息。

如果遇到少量噪点干扰，可以在二值化之后加一步开运算cv2.morphologyEx(src, cv2.MORPH_OPEN, kernel)，提前去掉小的白色杂点，稳定性更高。

内容的提问来源于stack exchange，提问作者Bruno