OpenCV2 图像识别：提取 100-130 像素边框

下面是一种利用 OpenCV2 识别图像中大于 100 小于 130 像素的边框，并将其另存为新图片的示例代码：\n\npython\nimport cv2\n\n# 读取原始图像\nimage = cv2.imread('input_image.jpg')\n\n# 将图像转换为灰度图像\ngray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)\n\n# 对图像进行边缘检测\nedges = cv2.Canny(gray_image, 100, 130)\n\n# 查找边缘的轮廓\ncontours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)\n\n# 创建一个新的图像来存储边框\nborder_image = image.copy()\n\n# 遍历边缘的轮廓\nfor contour in contours:\n # 获取边框的坐标和宽度高度\n x, y, w, h = cv2.boundingRect(contour)\n \n # 绘制边框\n cv2.rectangle(border_image, (x, y), (x + w, y + h), (0, 255, 0), 2)\n\n# 保存新的图像\ncv2.imwrite('border_image.jpg', border_image)\n\n\n在上面的代码中，我们首先读取原始图像并将其转换为灰度图像。然后，我们使用 Canny 边缘检测算法对图像进行边缘检测，并找到边缘的轮廓。接下来，我们遍历边缘的轮廓，并使用 cv2.boundingRect 函数获取边框的坐标和宽度高度。最后，我们在新的图像上绘制边框，并将其保存为新的图片。\n\n请确保将代码中的 input_image.jpg 替换为您自己的图像文件名，并将 border_image.jpg 替换为您希望保存的新图像文件名。