OpenCV查找方形中心c++； 首先，我是OpenCV的一个新手，在C++代码中是初学者。 但是OpenCV对我来说是新事物，我试着通过做项目和其他事情来学习

现在，对于我的新项目，我正试图在一个平面上找到广场的中心。 就我而言，图片中只有一个正方形。 我想进一步构建OpenCV的square.cpp示例

对于我的项目，有两件事我需要一些帮助

1：窗口的边缘被检测为正方形，我不想要这个

2:如何从正方形阵列中获得1个正方形的中心

这是示例“square.cpp”中的代码

//方形探测器”程序。
//它按顺序加载多个图像，并尝试在图像中查找正方形
//每张图片
#包括“opencv2/core.hpp”
#包括“opencv2/imgproc.hpp”
#包括“opencv2/imgcodecs.hpp”
#包括“opencv2/highgui.hpp”
#包括
使用名称空间cv；
使用名称空间std；
静态无效帮助（常量字符*程序名）
{
cout首先，你说的是正方形，但实际上你是在检测矩形。为了更好地回答你的问题，我提供了一个较短的代码

我读取图像，应用Canny过滤器进行二值化，并检测所有轮廓。之后，我对轮廓进行迭代，找到可以精确逼近四个点且为凸的轮廓：

int main(int argc, char** argv)
{
    // Reading the images 
    cv::Mat img = cv::imread("squares_image.jpg", cv::IMREAD_GRAYSCALE);
    cv::Mat edge_img;
    std::vector <std::vector<cv::Point>> contours;

    // Convert the image into a binary image using Canny filter - threshold could be automatically determined using OTSU method
    cv::Canny(img, edge_img, 30, 100);

    // Find all contours in the Canny image
    findContours(edge_img, contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

    // Iterate through the contours and test if contours are square
    std::vector<std::vector<cv::Point>> all_rectangles;
    std::vector<cv::Point> single_rectangle;
    for (size_t i = 0; i < contours.size(); i++)
    {

        // 1. Contours should be approximateable as a polygon
        approxPolyDP(contours[i], single_rectangle, arcLength(contours[i], true) * 0.01, true);

        // 2. Contours should have exactly 4 vertices and be convex
        if (single_rectangle.size() == 4 && cv::isContourConvex(single_rectangle))
        {
            // 3. Determine if the polygon is really a square/rectangle using its properties (parallelity, angles etc.)
            // Not necessary for the provided image

            // Push the four points into your vector of squares (could be also std::vector<cv::Rect>)
            all_rectangles.push_back(single_rectangle);
        }
    }

    for (size_t num_contour = 0; num_contour < all_rectangles.size(); ++num_contour) {
        cv::drawContours(img, all_rectangles, num_contour, cv::Scalar::all(-1));
    }

    cv::imshow("Detected rectangles", img);
    cv::waitKey(0); 

    return 0;
    
}

int main（int argc，char**argv）
{
//读图
cv:：Mat img=cv:：imread（“squares\u image.jpg”，cv:：imread\u GRAYSCALE）；
cv：：垫边_img；
矢量轮廓；
//使用Canny滤波器将图像转换为二值图像-使用OTSU方法可以自动确定阈值
cv：：Canny（img，edge_img，30100）；
//在Canny图像中查找所有轮廓
findContours（边缘、轮廓、cv:：RETR\u列表、cv:：CHAIN\u近似值\u SIMPLE）；
//遍历轮廓并测试轮廓是否为正方形
std：：矢量所有_矩形；
std：：向量单_矩形；
对于（size_t i=0；i

1：窗口的边缘被检测为正方形，我不想要这个

根据您的应用程序，有多种选择。您可以使用Canny阈值过滤已存在的外部边界，使用不同的轮廓检索方法在
findContours
中查找轮廓，或使用找到的轮廓区域过滤
单个矩形（例如
cv:：contourArea（单矩形）<1000
）

2:如何从正方形阵列中获得1个正方形的中心

由于代码已经检测到四个角点，您可以（例如）找到对角线的交点。如果您知道图像中只有矩形，您还可以尝试使用Hu矩检测检测到的轮廓的所有质心

我很难理解数组中到底是什么；它是一个点数组吗

OpenCV中的一个轮廓始终表示为单点向量。如果要添加多个轮廓，则使用点向量。在您提供的示例中，
squares
是正好4个点的向量。在这种情况下，您也可以使用
cv:：Rect
的向量。
首先，您正在讨论关于正方形，但实际上你是在检测矩形。我提供了一个较短的代码，以便更好地回答你的问题

我读取图像，应用Canny过滤器进行二值化，并检测所有轮廓。之后，我对轮廓进行迭代，找到可以精确逼近四个点且为凸的轮廓：

int main(int argc, char** argv)
{
    // Reading the images 
    cv::Mat img = cv::imread("squares_image.jpg", cv::IMREAD_GRAYSCALE);
    cv::Mat edge_img;
    std::vector <std::vector<cv::Point>> contours;

    // Convert the image into a binary image using Canny filter - threshold could be automatically determined using OTSU method
    cv::Canny(img, edge_img, 30, 100);

    // Find all contours in the Canny image
    findContours(edge_img, contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

    // Iterate through the contours and test if contours are square
    std::vector<std::vector<cv::Point>> all_rectangles;
    std::vector<cv::Point> single_rectangle;
    for (size_t i = 0; i < contours.size(); i++)
    {

        // 1. Contours should be approximateable as a polygon
        approxPolyDP(contours[i], single_rectangle, arcLength(contours[i], true) * 0.01, true);

        // 2. Contours should have exactly 4 vertices and be convex
        if (single_rectangle.size() == 4 && cv::isContourConvex(single_rectangle))
        {
            // 3. Determine if the polygon is really a square/rectangle using its properties (parallelity, angles etc.)
            // Not necessary for the provided image

            // Push the four points into your vector of squares (could be also std::vector<cv::Rect>)
            all_rectangles.push_back(single_rectangle);
        }
    }

    for (size_t num_contour = 0; num_contour < all_rectangles.size(); ++num_contour) {
        cv::drawContours(img, all_rectangles, num_contour, cv::Scalar::all(-1));
    }

    cv::imshow("Detected rectangles", img);
    cv::waitKey(0); 

    return 0;
    
}

int main（int argc，char**argv）
{
//读图
cv:：Mat img=cv:：imread（“squares\u image.jpg”，cv:：imread\u GRAYSCALE）；
cv：：垫边_img；
矢量轮廓；
//使用Canny滤波器将图像转换为二值图像-使用OTSU方法可以自动确定阈值
cv：：Canny（img，edge_img，30100）；
//在Canny图像中查找所有轮廓
findContours（边缘、轮廓、cv:：RETR\u列表、cv:：CHAIN\u近似值\u SIMPLE）；
//遍历轮廓并测试轮廓是否为正方形
std：：矢量所有_矩形；
std：：向量单_矩形；
对于（size_t i=0；i