给我一段python代码，解决以下图像分割的问题：在一张紫色背景的图中，有7个接近方形的白色区域，需要利用颜色区分和连通性，识别并分割出这7个白色区域。注意，白色区域中可能有较多分散的紫色斑点。分割后返回这7个区域的最大内接矩形的四角坐标。

为了解决这个问题，我们可以使用Python的OpenCV库来进行图像处理。首先，我们需要读取图像、转换颜色空间（例如从BGR转HSV），然后找到白色区域。接下来，我们将应用形态学操作来连接分散的小区域，并使用轮廓检测来提取出每个白色的矩形区域。最后，我们找出每个区域的最大内接矩形并返回其四个顶点。

这是一个简单的示例代码：

import cv2
import numpy as np

def find_white_regions(image_path):
    # 读取图片
    img = cv2.imread(image_path)

    # 转换到HSV色彩空间，更容易区分紫色和白色
    hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    # 定义白色和紫色的阈值
    lower_white = np.array([0, 60, 100])
    upper_white = np.array([255, 255, 255])

    # 提取白色区域
    white_mask = cv2.inRange(hsv_img, lower_white, upper_white)
    
    # 对白色区域进行开运算（去除小的噪声）
    kernel = np.ones((5,5),np.uint8) # 使用5x5的结构元素
    opening = cv2.morphologyEx(white_mask, cv2.MORPH_OPEN, kernel)

    # 找出连通组件（轮廓）
    contours, hierarchy = cv2.findContours(opening, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

    # 初始化结果列表
    rectangles = []

    # 遍历轮廓，查找最大内接矩形
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        
        # 只保留接近正方形的区域
        if w / h > 0.9 and h / w > 0.9:
            rectangles.append(((x, y), (x+w, y+h)))

    return rectangles

# 使用函数并打印结果
image_path = "your_image_path.jpg"  # 替换成实际的图片路径
result = find_white_regions(image_path)
for i, rect in enumerate(result):
    print(f"Region {i+1}:\n{rect}\n")