penCV用Python写个代码识别图中不同的图形（如圆形，方形），并统计不同图形的个数

在OpenCV (Pillow for Python) 中，你可以使用图像处理和机器学习库来识别图片中的圆形和方形。这通常涉及以下几个步骤：

1. **导入必要的库**：

import cv2
import numpy as np
from skimage.measure import regionprops

2. **读取图像**：

image = cv2.imread('your_image.jpg', 0)  # 使用灰度模式读取

3. **边缘检测** 或 **形态学操作** 来寻找可能的轮廓：

edges = cv2.Canny(image, threshold1=50, threshold2=150)
contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

4. **形状分析**：

shapes = {'circle': 0, 'square': 0}
for contour in contours:
    perimeter = cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, 0.01 * perimeter, True)

    if len(approx) == 3:  # 三角形
        pass  # 对于不是圆和正方形的情况忽略
    elif len(approx) == 4 and cv2.isContourConvex(approx):  # 四边形可能是正方形
        square_ratio = max(cv2.boundingRect(approx)[2], cv2.boundingRect(approx)[3]) / min(cv2.boundingRect(approx)[2], cv2.boundingRect(approx)[3])
        if 0.9 <= square_ratio <= 1.1:  # 略低于严格的正方形条件
            shapes['square'] += 1
    else:  # 非四边形或非正方形
        hull = cv2.convexHull(contour)
        area = cv2.contourArea(hull)
        circularity = 4 * np.pi * area / (perimeter ** 2)
        if 0.7 < circularity < 1.3:  # 圆形的近似条件
            shapes['circle'] += 1

5. **结果打印**：

print(f"Circle count: {shapes['circle']}")
print(f"Square count: {shapes['square']}")

注意：这个过程并不是非常精确，尤其是对于复杂的背景干扰和形状不规则的图形。实际应用中，你可能需要结合更高级的技术，如机器学习或深度学习模型（例如Haar cascades、HOG+SVM或卷积神经网络）来进行更准确的形状识别。