Python OpenCV实现任意形状目标检测与绘制

向北走

发布时间：2026-10-13 | 3人浏览过

原创

本文介绍使用Python和OpenCV进行任意形状目标识别的方法。通过OTSU阈值分割和二值化处理，结合轮廓查找与面积筛选机制，有效去除噪声干扰。代码展示了如何计算轮廓边界并绘制检测框，适用于形状不固定且存在不确定噪声影响的简单图像场景。

OpenCV任意形状目标检测实现

利用OpenCV库进行任意形状的目标识别，以下提供具体实现方案供参考。

在实际工作中，曾遇到需要在简单图像中进行目标识别的需求。由于目标形状不固定，且受到一定程度的噪声影响，而噪声的具体特征具有不确定性，这增加了识别难度。鉴于图像结构相对简单，现将相关代码公开如下。


import cv2


def otsu_seg(img):

  ret_th, bin_img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

  return ret_th, bin_img

def find_pole(bin_img):
  img, contours, hierarchy = cv2.findContours(bin_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  area = 0
  for i in range(len(contours)):
    area += cv2.contourArea(contours[i])
  area_mean = area / len(contours)
  mark = []
  for i in range(len(contours)):
    if cv2.contourArea(contours[i]) < area_mean:
      mark.append(i)

  return img, contours, hierarchy, mark

def draw_box(img,contours):
  img = cv2.rectangle(img,
         (contours[0][0], contours[0][1]),
         (contours[1][0], contours[1][1]),
         (255,255,255),
         3)
  return img

def main(img):
  ret, th = otsu_seg(img)
  img_new, contours, hierarchy, mark = find_pole(th)
  for i in range(len(contours)):
    if i not in mark:
      left_point = contours[i].min(axis=1).min(axis=0)
      right_point = contours[i].max(axis=1).max(axis=0)
      img = draw_box(img, (left_point, right_point))
  return img


if __name__ =="__main__":
  img = cv2.imread('G:/test.png')
  img = main(img)
  cv2.imwrite('G:/test_d.png', img)