F:opencv4.2_releaseopencvsourcessamplespythonsquares.py
本文稍作修改，做简要说明。目标是找到下图中的矩形轮廓和四边形轮廓：
矩形的检测包含检测轮廓是四个顶点，同时两条边的夹角接近90°，代码和效果如下：
代码语言：javascript复制import numpy as np
import cv2 as cv
# 设置putText函数字体
font=cv.FONT_HERSHEY_SIMPLEX
#计算两边夹角额cos值
def angle_cos(p0, p1, p2):
d1, d2 = (p0-p1).astype('float'), (p2-p1).astype('float')
return abs( np.dot(d1, d2) / np.sqrt( np.dot(d1, d1)*np.dot(d2, d2) ) )
def find_squares(img):
squares = []
img = cv.GaussianBlur(img, (3, 3), 0)
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
bin = cv.Canny(gray, 30, 100, apertureSize=3)
contours, _hierarchy = cv.findContours(bin, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
print("轮廓数量：%d" % len(contours))
index = 0
# 轮廓遍历
for cnt in contours:
cnt_len = cv.arcLength(cnt, True) #计算轮廓周长
cnt = cv.approxPolyDP(cnt, 0.02*cnt_len, True) #多边形逼近
# 条件判断逼近边的数量是否为4，轮廓面积是否大于1000，检测轮廓是否为凸的
if len(cnt) == 4 and cv.contourArea(cnt) > 1000 and cv.isContourConvex(cnt):
M = cv.moments(cnt) #计算轮廓的矩
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])#轮廓重心
cnt = cnt.reshape(-1, 2)
max_cos = np.max([angle_cos( cnt[i], cnt[(i 1) % 4], cnt[(i 2) % 4] ) for i in range(4)])
# 只检测矩形（cos90° = 0）
if max_cos < 0.1:
# 检测四边形（不限定角度范围）
#if True:
index = index 1
cv.putText(img,("#%d"%index),(cx,cy),font,0.7,(255,0,255),2)
squares.append(cnt)
return squares, img
def main():
img = cv.imread("./test.png")
squares, img = find_squares(img)
cv.drawContours( img, squares, -1, (0, 0, 255), 2 )
cv.imshow('squares', img)
ch = cv.waitKey()
print('Done')
if __name__ == '__main__':
print(__doc__)
main()
cv.destroyAllWindows()
代码比较简单，核心步骤上面已添加注释，筛选条件自己可以改，如果只想检测四边形，不限制为矩形，则修改如下地方：
代码语言：javascript复制# 只检测矩形（cos90° = 0）
if max_cos < 0.1:
# 检测四边形（不限定角度范围）
#if True:效果如下：
大家使用的时候根据具体情况进行修改，C 的demo路径如下：
F:opencv4.2_releaseopencvsourcessamplescppsquares.cpp
