Image 有兴趣在不使用openCV的情况下区分图像中的正方形和矩形吗

我有一个由矩形和正方形组成的图像，现在我感兴趣的是区分图像中哪个是矩形，哪个是正方形。我使用了Harris角点检测算法来提取角点。使用这些角点，我能够提取这些角点像素的索引。我感兴趣的下一个任务是区分哪个是矩形，哪个是正方形？我知道正方形

高度=宽度的条件。使用这些信息，我想执行差异化


请问对OpenCV有什么异议？另外，不是使用有损的JPEG，是否考虑使用PNG，以便在处理过程中正确保存您的值？@ MARSETSECHELL，如果我开始使用OpenCV，那么我就无法理解CV2中的函数是如何工作的。此外，我对从头开始学习很感兴趣。与JPEG相比，PNG有什么优势？请详细说明一下。PNG有很多优势。1） 它可以处理16位/样本，而JPEG只能处理8位2）它的损耗较小，因此您可以准确地返回您写入的值，而如果您在纯蓝色背景上创建一个纯红色矩形并另存为JPEG，则如果您另存为JPEG并从磁盘读取，则可能会得到一个具有数百种颜色的图像。3） 它可以处理透明度问题。4） 它可以本地轻松处理灰度图像。
mport numpy as np
import matplotlib.pyplot as plt  
import matplotlib.image as im   
from scipy import ndimage


# 1. Before doing any operations convert the image into gray scale image

img = im.imread('OD6.jpg')
plt.imshow(img)
plt.show()

# split
R=img[:,:,0]
G=img[:,:,1]
B=img[:,:,2]


M,N=R.shape

gray_img=np.zeros((M,N), dtype=int);

for i in range(M):                     
        for j in range(N):
            gray_img[i, j]=(R[i, j]*0.2989)+(G[i, j]*0.5870)+(B[i, j]*0.114);

plt.imshow(gray_img, cmap='gray')
plt.show()

# 2. Applying sobel filter to find the gradients in x and y direction respectively and remove noise
# using gaussian filter with sigma=1 

imarr = np.asarray(gray_img, dtype=np.float64)
ix = ndimage.sobel(imarr, 0)
iy = ndimage.sobel(imarr, 1)
ix2 = ix * ix
iy2 = iy * iy
ixy = ix * iy
ix2 = ndimage.gaussian_filter(ix2, sigma=1)
iy2 = ndimage.gaussian_filter(iy2, sigma=1)
ixy = ndimage.gaussian_filter(ixy, sigma=1)
c, l = imarr.shape
result = np.zeros((c, l))
r = np.zeros((c, l))

rmax = 0 # initialize the maximum value of harris response
for i in range(c):
        for j in range(l):
            m = np.array([[ix2[i, j], ixy[i, j]], [ixy[i, j], iy2[i, j]]], dtype=np.float64)
            r[i, j] = np.linalg.det(m) - 0.04 * (np.power(np.trace(m), 2))
            if r[i, j] > rmax:
                rmax = r[i, j]

# 3. Applying non maximum supression
for i in range(c - 1):
        for j in range(l - 1):
            if r[i, j] > 0.01 * rmax and r[i, j] > r[i-1, j-1] and r[i, j] > r[i-1, j+1]\
                                     and r[i, j] > r[i+1, j-1] and r[i, j] > r[i+1, j+1]:
                result[i, j] = 1


xy_coords = np.flip(np.column_stack(np.where(result==1)), axis=1)
print (xy_coords)

pc, pr = np.where(result == 1)
plt.plot(pr, pc, "b.")  
plt.imshow(img, 'gray')
plt.show()