利用opencv2计算轮廓的边界框识别图像中的坐标值大于100的边框输出矩形框的坐标

以下是使用OpenCV2计算轮廓的边界框，并识别图像中的坐标值大于100的边界框，并输出矩形框的坐标的Python代码示例：

import cv2

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

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

# 二值化图像
ret, thresh = cv2.threshold(gray, 100, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓
for contour in contours:
    # 计算边界框
    x, y, w, h = cv2.boundingRect(contour)
    # 判断边界框内的像素值是否大于100
    if cv2.mean(image[y:y+h, x:x+w])[0] > 100:
        # 绘制矩形框
        cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
        # 输出矩形框的坐标
        print("矩形框的坐标：", (x, y, x+w, y+h))

# 显示结果图像
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

请确保将image.jpg替换为您要处理的图像文件的路径。在上述代码中，我们首先读取图像并将其转换为灰度图像。然后，我们使用阈值化方法将图像二值化，以便更好地识别边界。接下来，我们使用findContours函数查找图像中的轮廓。然后，我们遍历每个轮廓并计算其边界框的坐标。对于每个边界框，我们使用mean函数计算其内部像素值的平均值，并将其与100进行比较。如果平均值大于100，则我们绘制矩形框，并输出矩形框的坐标。最后，我们显示处理后的图像并等待用户按下任意键关闭窗口