边缘检测：使用边缘检测算法（如Canny算法）找到物体的边缘，然后利用轮廓检测算法（如findContours函数）获取物体的轮廓信息，在轮廓信息中找到最小外接矩形（boundingRect函数），并计算矩形的中心坐标。代码

使用OpenCV库可以很方便地实现边缘检测和轮廓检测，以下是一个简单的示例代码：

import cv2

# 读取图像
img = cv2.imread('example.jpg')

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

# 边缘检测
edges = cv2.Canny(gray, 100, 200)

# 轮廓检测
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)

# 获取最小外接矩形
rect = cv2.boundingRect(contours[0])

# 计算矩形中心坐标
center_x = rect[0] + rect[2] / 2
center_y = rect[1] + rect[3] / 2

# 在图像上绘制矩形和中心点
cv2.rectangle(img, (rect[0], rect[1]), (rect[0]+rect[2], rect[1]+rect[3]), (0, 255, 0), 2)
cv2.circle(img, (int(center_x), int(center_y)), 5, (255, 0, 0), -1)

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

其中，`cv2.Canny`函数用于边缘检测，其前两个参数分别为低阈值和高阈值，可根据具体情况进行调整；`cv2.findContours`函数用于轮廓检测，其第二个参数指定轮廓的检索模式，第三个参数指定轮廓的近似方法；`cv2.boundingRect`函数用于获取最小外接矩形，返回值为矩形的左上角坐标、宽度和高度。在绘制矩形和中心点时，可以根据需要调整颜色、线宽等参数。