如何用opencv识别目标图形并求出目标图形与距离最近的图形的中心点

1. 定义目标图形：首先需要定义目标图形的特征，例如色彩、形状、大小等。可以使用cv2.inRange()函数来提取目标图形的二值化图像。

2. 检测轮廓：使用cv2.findContours()函数检测目标图形二值化图像中的轮廓，并绘制轮廓线。

3. 提取轮廓特征：计算每个轮廓的中心点坐标，并计算每个轮廓的面积。可以使用cv2.moments()函数计算轮廓的矩，并通过矩计算中心点坐标。

4. 计算距离：计算目标图形与其他图形的中心点距离，并找到距离最近的图形。

5. 绘制结果：将目标图形、距离最近的图形及其中心点绘制在源图像中。

以下是示例代码：

import cv2
import numpy as np

# 读取源图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 定义目标图形的二值化图像
lower_bound = np.array([0, 0, 0])
upper_bound = np.array([255, 255, 255])
mask = cv2.inRange(img, lower_bound, upper_bound)

# 检测轮廓
contours, _ = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0,255,0), 3)

# 提取轮廓特征
centers = []
sizes = []
for cnt in contours:
  M = cv2.moments(cnt)
  if M['m00'] != 0:
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    center = (cx,cy)
    area = cv2.contourArea(cnt)
    centers.append(center)
    sizes.append(area)

# 计算距离
target_center = centers[0]
min_dist = 10000
for i in range(1,len(centers)):
  dist = cv2.norm(np.array(centers[i])-np.array(target_center))
  if dist < min_dist:
    min_dist = dist
    nearest_center = centers[i]

# 绘制结果
cv2.circle(img,target_center,5,(0,0,255),-1)
cv2.circle(img,nearest_center,5,(255,0,0),-1)
cv2.imshow('Result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()