Python OpenCV 图像识别：检测红色矩形并裁剪

本文介绍使用 Python 和 OpenCV 库，通过颜色空间转换、轮廓检测和外接矩形计算，识别图像中的红色矩形并裁剪该区域内容。

代码示例：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

# 转换颜色空间为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义红色区域的范围
lower_red = (0, 50, 50)
upper_red = (10, 255, 255)
mask1 = cv2.inRange(hsv, lower_red, upper_red)

lower_red = (170, 50, 50)
upper_red = (180, 255, 255)
mask2 = cv2.inRange(hsv, lower_red, upper_red)

# 将两个mask相加
mask = cv2.add(mask1, mask2)

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

# 遍历轮廓
for contour in contours:
    # 计算轮廓的面积
    area = cv2.contourArea(contour)
    if area > 1000:
        # 获取轮廓的外接矩形
        x, y, w, h = cv2.boundingRect(contour)
        # 裁剪图像
        crop_img = img[y:y+h, x:x+w]
        # 显示裁剪后的图像
        cv2.imshow('crop_img', crop_img)
        cv2.waitKey(0)
        cv2.destroyAllWindows()

代码解释：

读取图像：使用 cv2.imread() 函数读取图像文件。
转换颜色空间：将图像从 BGR 颜色空间转换为 HSV 颜色空间，以便更方便地识别红色区域。
定义红色区域范围：设置红色区域的 HSV 色彩范围，使用 cv2.inRange() 函数提取出红色区域的 mask。
查找轮廓：使用 cv2.findContours() 函数查找 mask 中的轮廓。
遍历轮廓：循环遍历每个轮廓，计算其面积。
筛选矩形：筛选出面积大于 1000 的轮廓，即识别出的红色矩形。
获取外接矩形：使用 cv2.boundingRect() 函数获取轮廓的外接矩形坐标和尺寸。
裁剪图像：根据外接矩形坐标和尺寸，使用切片操作从原图中裁剪出红色矩形区域。
显示结果：使用 cv2.imshow() 函数显示裁剪后的图像。

总结：

通过使用 OpenCV 库，我们可以轻松地实现图像识别任务，例如检测红色矩形并裁剪该区域内容。代码简洁易懂，可以方便地应用于各种图像处理场景。