如何获取图像中目标物体的矩形坐标？求适用开源API

一、如何获取图像中主要/已定位物体的矩形坐标？ #

这得分两种实际场景来处理：

• 手动定位物体：如果你需要自己手动框选目标，可以用OpenCV的鼠标交互功能实现——绑定鼠标点击事件，记录你点击的起点和终点坐标，直接就能得到(x1,y1,x2,y2)。
• 自动检测物体：如果要靠算法自动识别，常用两种思路：
  1. 轮廓检测（适合简单场景）：就像你尝试的OpenCV轮廓检测，用cv2.boundingRect()函数就能从提取到的轮廓里生成矩形坐标。这个函数返回(x, y, w, h)，其中x、y是矩形左上角坐标，w是宽度，h是高度，换算成你需要的(x1,y1,x2,y2)就是x1=x, y1=y, x2=x+w, y2=y+h。
  2. 目标检测模型（适合复杂多物体场景）：用预训练的目标检测模型（比如YOLO、Faster R-CNN），这类模型会直接输出每个检测物体的类别和对应的边界框坐标，不需要自己处理轮廓细节。

二、有没有开源API可以输出图像中所有物体的位置坐标？ #

当然有！下面给你推荐几个实用的开源方案，同时帮你完善一下你写的OpenCV代码：

1. 开源目标检测工具/API #

• YOLO系列（YOLOv5/YOLOv8）：目前最流行的轻量型目标检测模型，完全开源且易上手。调用预训练模型输入图像后，就能直接得到所有检测物体的类别和(x1,y1,x2,y2)坐标，支持Python、C++等多种语言。
• TorchVision预训练模型：比如Faster R-CNN、RetinaNet，属于PyTorch生态的预训练模型，加载后直接就能用，输出结果包含边界框坐标和类别置信度。
• Detectron2：Facebook开源的目标检测框架，支持多种先进检测模型，能处理复杂场景下的多物体检测，输出精确的边界框坐标。

2. 完善你的OpenCV轮廓检测代码 #

你的代码已经有了轮廓检测的基础，这里帮你补全并优化，实现输出每个轮廓的矩形坐标：

import cv2

# 读取图像
image = cv2.imread("image.jpg")
# 转为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# Canny边缘检测
edged = cv2.Canny(image, 10, 250)
# 查找外部轮廓
(cnts, _) = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

idx = 0
for c in cnts:
    # 获取轮廓的外接矩形坐标
    x, y, w, h = cv2.boundingRect(c)
    # 计算右下角坐标(x2,y2)
    x2 = x + w
    y2 = y + h
    # 打印坐标
    print(f"物体{idx+1}的坐标：(x1={x}, y1={y}), (x2={x2}, y2={y2})")
    # 可选：在图像上画出矩形以便直观查看
    cv2.rectangle(image, (x, y), (x2, y2), (0, 255, 0), 2)
    idx += 1

# 显示画了矩形的图像
cv2.imshow("Detected Objects", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意：这种轮廓检测方法适合背景简单、物体边缘清晰的场景；如果是你说的包含狗、猫、人物等的复杂场景，轮廓检测可能会把物体局部当成独立轮廓，或者漏检，这时候更推荐用上面提到的目标检测模型。

内容的提问来源于stack exchange，提问作者TheCodeCache