以下是一个简单的OpenCV矩形检测代码示例，其中包括了Canny边缘检测和approxPolyDP多边形拟合的步骤

以下是一个简单的OpenCV矩形检测代码示例，其中包括了Canny边缘检测和approxPolyDP多边形拟合的步骤：

python复制代码import cv2  import numpy as np  # 读取图像  img = cv2.imread('image.jpg')  # 转换为灰度图像  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # Canny边缘检测  edges = cv2.Canny(gray, 50, 150)  # 查找轮廓  contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 遍历每个轮廓，进行approxPolyDP多边形拟合和矩形检测  for contour in contours:      # 多边形拟合      epsilon = 0.1 * cv2.arcLength(contour, True)      approx = cv2.approxPolyDP(contour, epsilon, True)      # 计算多边形中心和宽高比      (h, w) = img.shape[:2]      center = (w // 2, h // 2)      aspect_ratio = float(w) / h      # 判断是否为矩形      if len(approx) == 4 and (aspect_ratio < 0.5 or aspect_ratio > 2):          # 四边形的顶点，按照顺时针方向进行编号          rect = approx.reshape(-1, 2, order='C')          if cv2.contourArea(rect) > 1000:  # 判断面积是否足够大              x, y, w, h = cv2.boundingRect(rect)  # 获取矩形的位置和大小              cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)  # 在原图上画出矩形框

在这个示例中，我们首先读取了一张图像，并将其转换为灰度图像。然后使用Canny边缘检测算子提取图像中的边缘。接下来，我们使用findContours函数查找图像中的轮廓，并遍历每个轮廓进行多边形拟合和矩形检测。在多边形拟合时，我们使用approxPolyDP函数计算近似的多边形点集。在矩形检测时，我们计算多边形的中心和宽高比，并根据经验和先验知识判断是否为矩形。如果是矩形，则使用cv2.rectangle函数在原图上画出矩形框。