openmv识别矩形中心点位置

根据引用[1]中的描述，使用OpenCV可以很容易地解决这个问题。下面是一个简单的示例代码，可以识别矩形并找到其中心点位置：

import cv2

# 读取图像
img = cv2.imread('rect.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 进行霍夫变换检测直线
lines = cv2.HoughLines(edges, 1, cv2.cv2.PI / 180, 200)

# 绘制直线
for line in lines:
    rho, theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * (a))
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * (a))
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

# 进行霍夫变换检测矩形
rects = []
contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    approx = cv2.approxPolyDP(cnt, 0.01 * cv2.arcLength(cnt, True), True)
    if len(approx) == 4:
        rects.append(approx)

# 绘制矩形
for rect in rects:
    cv2.drawContours(img, [rect], 0, (0, 255, 0), 2)

# 计算矩形中心点位置
for rect in rects:
    M = cv2.moments(rect)
    cx = int(M['m10'] / M['m00'])
    cy = int(M['m01'] / M['m00'])
    cv2.circle(img, (cx, cy), 5, (255, 0, 0), -1)

# 显示图像
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例代码中，我们首先读取图像并将其转换为灰度图像。然后使用Canny算子进行边缘检测，并使用霍夫变换检测直线和矩形。最后，我们计算矩形的中心点位置，并在图像上绘制出来。