OpenCV完美正方形检测：如何排除近似矩形的类正方形？

嘿，我来帮你搞定这个类正方形误判的问题！

你提到的处理流程我get到了：先是二值边缘图经过HoughLines得到了直线掩码图，再通过convexhull处理得到规整后的二值形状图，现在用approxPolyDP检测四边形状时，把那些近似矩形的类正方形也误判成了正方形，想要精准排除它们对吧？

问题出在approxPolyDP只能帮你筛选出四边多边形，但没法区分正方形和“接近正方形的矩形”，我们需要在筛选出四边轮廓后，加入额外的几何特征校验来精准过滤。

我给你整理了几个实用的校验维度，组合使用效果最好：

1. 核心：长宽比校验 #

正方形的长宽比几乎等于1，而哪怕是接近正方形的矩形，长宽比也会偏离这个值。具体步骤：

• 对每个四边轮廓，用boundingRect获取它的外接矩形宽(w)和高(h)
• 计算长宽比：ratio = min(w,h)/max(w,h)
• 设置一个阈值（比如0.95，越接近1要求越严格），只有当ratio >= 阈值时，才保留为候选正方形

举个OpenCV-Python的代码示例：

import cv2
import numpy as np

# 假设你已经提取到了轮廓contours，img是待绘制的图像
for cnt in contours:
    # 用approxPolyDP做多边形近似
    epsilon = 0.02 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    
    # 先筛选出四边形状
    if len(approx) == 4:
        # 获取外接矩形
        x, y, w, h = cv2.boundingRect(approx)
        # 计算长宽比
        aspect_ratio = min(w, h) / max(w, h)
        
        # 只保留长宽比接近1的形状
        if aspect_ratio >= 0.95:
            cv2.drawContours(img, [approx], 0, (0,255,0), 2)  # 标记正方形
        else:
            continue  # 排除近似矩形的类正方形

2. 辅助：内角角度校验 #

如果你的场景里还有一些非矩形的四边形状（比如平行四边形）被误判，那可以加上角度校验——正方形的四个内角都是严格接近90°的：

• 计算轮廓四个顶点处的内角，确保每个角都在90°±5°的范围内（阈值可调整）

角度计算的代码片段：

def get_inner_angle(p1, p2, p3):
    # 计算p2点处的内角（p1-p2-p3的夹角）
    v1 = np.array(p1) - np.array(p2)
    v2 = np.array(p3) - np.array(p2)
    # 计算余弦值并转角度
    cos_val = np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2))
    angle = np.arccos(np.clip(cos_val, -1, 1)) * 180 / np.pi
    # 返回锐角/直角（避免钝角干扰）
    return min(angle, 180 - angle)

# 在筛选四边形状后加入角度校验
if len(approx) == 4:
    pts = approx.reshape(4, 2)
    angles = []
    for i in range(4):
        angle = get_inner_angle(pts[i], pts[(i+1)%4], pts[(i+2)%4])
        angles.append(angle)
    
    # 检查所有角度是否接近90°
    if all(85 <= angle <= 95 for angle in angles):
        # 再结合长宽比校验
        x, y, w, h = cv2.boundingRect(approx)
        aspect_ratio = min(w,h)/max(w,h)
        if aspect_ratio >= 0.95:
            cv2.drawContours(img, [approx], 0, (0,255,0), 2)

3. 阈值调整小技巧 #

• 如果你的图像边缘有轻微噪声或检测误差，可以适当降低长宽比阈值（比如调到0.9），或者放宽角度误差范围（比如±10°）
• 最好先统计你数据里真实正方形的长宽比和角度范围，再设置对应的阈值，这样更贴合你的实际场景

内容的提问来源于stack exchange，提问作者U.S.Swap