识别图形顶点并输出质心坐标

这里提供一个Python的实现方法，使用OpenCV库和Numpy库。

1. 导入库文件：

import cv2
import numpy as np

2. 读入图像并转灰度化：

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3. 对图像进行二值化处理：

ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

4. 使用findContours函数找到图像中的轮廓：

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

5. 找到每个轮廓的顶点并输出质心坐标：

for cnt in contours:
    # 找到轮廓的顶点
    approx = cv2.approxPolyDP(cnt, 0.01*cv2.arcLength(cnt, True), True)
    # 输出顶点坐标
    print("Vertices: ", approx)
    # 计算轮廓的质心坐标
    M = cv2.moments(cnt)
    cx = int(M['m10']/M['m00'])
    cy = int(M['m01']/M['m00'])
    # 输出质心坐标
    print("Centroid: ", cx, cy)

这里的cv2.approxPolyDP函数可以找到轮廓的顶点。该函数将轮廓近似为包含不同数量顶点的多边形。其中第二个参数表示多边形周长的近似误差，而第三个参数表示是否闭合多边形。在这个例子中，我们假设找到的多边形具有4个顶点。如果您需要找到不同数量的顶点，可以调整该函数的第二个参数。

质心坐标可以通过cv2.moments函数计算。对于每个轮廓，函数将计算其矩形和重心。

最后输出的是每个轮廓的顶点坐标和质心坐标。