opencv检测矩形算法

OpenCV是一个强大的计算机视觉库，其中包含了许多用于图像处理和分析的功能，包括矩形检测。它通常使用霍夫变换（Hough Transform）或者轮廓检测（Contour Detection）来进行矩形物体的定位。

1. **霍夫变换**：这是一种特征检测方法，通过将边缘像素转换到极坐标系，在参数空间中形成概率图，然后查找峰值点，这些点对应于直线条段的方向和长度，从而找到矩形的角点。

2. **轮廓检测**：首先，对图像进行二值化处理，然后寻找轮廓。OpenCV的`findContours`函数可以识别出轮廓，接着应用矩形边界条件（如宽度和高度的比例限制）来过滤出矩形轮廓。

以下是基本步骤：

import cv2
import numpy as np

# 加载图像并转换为灰度
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 应用阈值处理
_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 寻找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓，查找矩形
for contour in contours:
    x, y, w, h = cv2.boundingRect(contour)
    # 检查是否满足矩形条件（例如，避免过小或过大的边）
    if w > min_size and h > min_size and w/h < max_ratio:
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)  # 绘制矩形

cv2.imshow('Detected Rectangles', img)
cv2.waitKey(0)