使用vs code中Python与opencv编写程序代码用于特征提取，要求如下：1、载入图像并完成图像分割，2、使用函数显示图像中目标的边界，3、标记图像中的连续区域并显示，4、进行特征表达包括外接矩形与外接圆，面积，周长。

在Visual Studio Code (VSCode) 中使用 Python 和 OpenCV 进行特征提取可以按照以下步骤进行：

1. **安装所需库**:
首先确保已经安装了必要的库，如 `opencv-python`, `matplotlib` 可以用于绘图，可以在终端或命令提示符中运行：

   pip install opencv-python matplotlib

2. **载入图像并分割**:
使用 `cv2.imread()` 载入图片，然后通过阈值分割或其他方法（比如边缘检测）将图像分割成感兴趣的目标区域：

   import cv2
   img = cv2.imread('image.jpg')
   gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   _, thresh = cv2.threshold(gray_img, 150, 255, cv2.THRESH_BINARY_INV)

3. **显示边界**:
使用 `contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)` 获取轮廓信息，然后绘制边界：

   contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   for contour in contours:
       x, y, w, h = cv2.boundingRect(contour)
       cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
   cv2.imshow("Segmented Image", img)

4. **标记连续区域并显示**:
对于标记连续区域，可以使用 `cv2.drawContours()` 函数，传入原图和找到的所有轮廓：

   cv2.drawContours(img, contours, -1, (0, 0, 255), 3)

5. **特征表达**:
计算每个轮廓的特征，例如外接矩形和外接圆：

   for contour in contours:
       rect = cv2.minAreaRect(contour)
       box = cv2.boxPoints(rect)
       box = np.int0(box)

       # 计算矩形特征
       area_rect = cv2.contourArea(contour)
       peri_rect = cv2.arcLength(rect, True)

       # 如果需要，计算外接圆
       ((center_x, center_y), radius), _ = cv2.minEnclosingCircle(contour)
       circumference_circle = 2 * np.pi * radius

       # 显示特征数据
       cv2.circle(img, (int(center_x), int(center_y)), int(radius), (0, 0, 255), 2)
       print(f"Contour Area: {area_rect}, Perimeter: {peri_rect}, Circumference: {circumference_circle}")

6. **显示结果**:
最后别忘了关闭所有窗口：

   cv2.waitKey(0)
   cv2.destroyAllWindows()