OpenCV Python形状检测：分割图像中两个矩形并提取坐标

Hey, 看你的问题描述，现在轮廓检测把整个图像识别成圆形，没法分割出两个矩形还得去除多余凸起——这情况我之前调试时也碰到过，大概率是阈值处理没精准分离两个矩形，或者轮廓检测的参数没适配需求。给你一套针对性的调整方案，一步步来：

你当前用的固定阈值（60）可能太宽松，导致两个矩形之间的区域也被填充成前景，直接连在一起了。换成自适应阈值试试，它能根据局部区域的亮度调整阈值，避免整体阈值的一刀切问题：

# 替换你原来的thresh生成代码
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (3, 3), 0)  # 把高斯核从5x5改成3x3，避免过度模糊边界
# 如果你的矩形是浅色、背景深色，用THRESH_BINARY；反之用THRESH_BINARY_INV
thresh = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                               cv2.THRESH_BINARY_INV, 11, 2)

接下来用开运算先去掉小的凸起和噪点，再用闭运算修复矩形边缘的小缺口，让轮廓更规整：

# 创建3x3的矩形结构元素，适配矩形轮廓的修复
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 开运算：先腐蚀再膨胀，干掉小凸起
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
# 闭运算：先膨胀再腐蚀，修复矩形边缘的小缺口
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

你原来用的cv2.RETR_LIST会检索所有轮廓，容易混入干扰；换成cv2.RETR_EXTERNAL只找最外层轮廓，再配合轮廓近似筛选出矩形：

# 替换轮廓检测代码
cnts, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓，筛选出矩形并提取坐标
for cnt in cnts:
    # 计算轮廓周长，用于后续的近似精度
    perimeter = cv2.arcLength(cnt, True)
    # 近似轮廓，epsilon设为周长的2%，这个值可以根据你的图像微调
    approx = cv2.approxPolyDP(cnt, 0.02 * perimeter, True)
    # 矩形的近似轮廓应该有4个顶点
    if len(approx) == 4:
        # 获取矩形的边界坐标（x,y是左上角，w是宽度，h是高度）
        x, y, w, h = cv2.boundingRect(approx)
        print(f"检测到矩形：左上角({x}, {y})，宽度{w}，高度{h}")
        # 可选：在原图上画出矩形，方便调试
        cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

• 如果图像是黑白倒置的（比如矩形是黑色、背景白色），记得把THRESH_BINARY_INV改成THRESH_BINARY
• 如果还是有干扰轮廓，可以加一步面积筛选：计算轮廓面积cv2.contourArea(cnt)，只保留面积在合理范围内的轮廓

把这些代码替换到你原来的detect_shapes.py里，应该就能顺利分割出两个矩形，提取坐标，同时去掉多余凸起了。

内容的提问来源于stack exchange，提问作者Menaga