请使用cv2.findContours函数写一个识别黑色矩形的python程序

好的，这里是一个使用cv2.findContours函数识别黑色矩形的Python程序：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 转为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓
for contour in contours:
    # 计算轮廓周长
    perimeter = cv2.arcLength(contour, True)
    # 近似轮廓
    approx = cv2.approxPolyDP(contour, 0.04 * perimeter, True)
    # 如果轮廓是矩形
    if len(approx) == 4:
        # 确保矩形是黑色的
        x, y, w, h = cv2.boundingRect(contour)
        roi = image[y:y+h, x:x+w]
        hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
        lower_black = np.array([0, 0, 0])
        upper_black = np.array([180, 255, 30])
        mask = cv2.inRange(hsv, lower_black, upper_black)
        if cv2.countNonZero(mask) == 0:
            # 在图像上绘制矩形
            cv2.drawContours(image, [contour], -1, (0, 255, 0), 2)

# 显示图像
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个程序中，我们首先读取了一张图像，并将其转化为灰度图像。然后使用cv2.threshold函数将其二值化，并使用cv2.findContours函数查找轮廓。接下来，我们遍历每个轮廓，并使用cv2.approxPolyDP函数将其近似为一个多边形。如果近似后的多边形有4个顶点，则我们认为它是一个矩形。然后，我们检查矩形是否是黑色的，如果是，则在图像上绘制矩形。最后，我们显示结果图像。