连通域标记后的图像计算各区域坐标python代码

以下是一个示例代码，用于计算标记后图像中每个连通域的坐标：

import cv2
import numpy as np

# 读取图像并进行连通域标记
img = cv2.imread('image.png', 0)
ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
output = cv2.connectedComponentsWithStats(thresh, 8, cv2.CV_32S)

# 获取连通域的数量和各种统计信息
num_labels = output[0]
labels = output[1]
stats = output[2]
centroids = output[3]

# 循环遍历每个连通域并计算其坐标
for i in range(num_labels):
    x = stats[i, cv2.CC_STAT_LEFT]
    y = stats[i, cv2.CC_STAT_TOP]
    w = stats[i, cv2.CC_STAT_WIDTH]
    h = stats[i, cv2.CC_STAT_HEIGHT]
    cx = centroids[i, 0]
    cy = centroids[i, 1]

    print("Label {}: Top left={},{} Bottom right={},{} Centroid={},{}".format(i, x, y, x + w, y + h, cx, cy))

在这个示例代码中，我们首先读取了一张灰度图像，并使用OpenCV的`connectedComponentsWithStats`函数对其进行连通域标记。然后，我们获取了标记后图像中的连通域数量、标记数组、统计信息和质心坐标。最后，我们循环遍历每个连通域，并计算其左上角和右下角坐标以及质心坐标，并将其打印出来。