如何用opencv检测方形轮廓并标记轮廓上的缺口

要检测方形轮廓并标记轮廓上的缺口，可以按照以下步骤操作：

1. 导入OpenCV库并读入图像。

import cv2

img = cv2.imread('image.jpg')

2. 将图像转换为灰度图像并进行二值化处理。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

3. 查找轮廓并筛选出符合条件的轮廓（如面积、周长等）。

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    area = cv2.contourArea(contour)
    perimeter = cv2.arcLength(contour, True)
    if area > 1000 and perimeter > 100:
        approx = cv2.approxPolyDP(contour, 0.01*perimeter, True)
        if len(approx) == 4:
            # 处理缺口

4. 对于符合条件的轮廓，使用 `cv2.approxPolyDP` 函数对其进行多边形逼近，得到近似的四边形轮廓。

approx = cv2.approxPolyDP(contour, 0.01*perimeter, True)
if len(approx) == 4:
    # 处理缺口

5. 对于四边形轮廓，使用 `cv2.drawContours` 函数绘制轮廓，并在轮廓上标记缺口。

cv2.drawContours(img, [approx], -1, (0, 0, 255), 2)
for i in range(len(approx)):
    p1 = tuple(approx[i][0])
    p2 = tuple(approx[(i+1) % len(approx)][0])
    distance = cv2.norm(p1-p2)
    if distance < 20:
        cv2.circle(img, p2, 5, (0, 255, 0), -1)

完整代码如下：

import cv2

img = cv2.imread('image.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    area = cv2.contourArea(contour)
    perimeter = cv2.arcLength(contour, True)
    if area > 1000 and perimeter > 100:
        approx = cv2.approxPolyDP(contour, 0.01*perimeter, True)
        if len(approx) == 4:
            cv2.drawContours(img, [approx], -1, (0, 0, 255), 2)
            for i in range(len(approx)):
                p1 = tuple(approx[i][0])
                p2 = tuple(approx[(i+1) % len(approx)][0])
                distance = cv2.norm(p1-p2)
                if distance < 20:
                    cv2.circle(img, p2, 5, (0, 255, 0), -1)

cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()