工件识别，检测工件最小矩形轮廓

我是用下面的代码进行检测工件的最小矩形坐标，一共6个工件，但是检测出来的结果有12个工件，其中有6个工件是重复的坐标，我用比较方法，有相同的工件坐标过滤掉，但是还是检测出来8个工件，有2个与实际坐标有微小差别不能进行过滤

检测结果

工件:1
工件角度:90°
工件宽度:315mm
工件长度:360mm
工件:2
工件角度:0°
工件宽度:360mm
工件长度:315mm
工件:3
工件角度:90°
工件宽度:410mm
工件长度:455mm
工件:4
工件角度:0°
工件宽度:455mm
工件长度:410mm
工件:5
工件角度:87.2737°
工件宽度:414.055mm
工件长度:377.667mm
工件:6
工件角度:87.2073°
工件宽度:413.776mm
工件长度:377.843mm
工件:7
工件角度:90°
工件宽度:400mm
工件长度:405mm
工件:8
工件角度:0°
工件宽度:405mm
工件长度:400mm
工件:9
工件角度:85.9144°
工件宽度:438.526mm
工件长度:392.215mm
工件:10
工件角度:85.9144°
工件宽度:438.526mm
工件长度:392.215mm
工件:11
工件角度:90°
工件宽度:415mm
工件长度:485mm
工件:12
工件角度:0°
工件宽度:485mm
工件长度:415mm

你把你代码中

RETR_TREE

换成

RETR_EXTERNAL

就可以了，你是搞成内外圈了，不需要多加IoU

识别代码如下
Mat canny_output;//边缘图
vector<vector>contours;//发现轮廓
vector hierachy;//绘制轮廓
Canny(erzhitu, canny_output, 127, 127 * 2, 3, false);//提取边缘图像
cv::Mat output_image;
cvtColor(erzhitu, output_image,COLOR_BGR2RGB);//转彩图,qt只接收彩图显示
findContours( canny_output, contours, hierachy,RETR_TREE , CHAIN_APPROX_SIMPLE, Point(0, 0));//发现轮廓点
num_gongjian=0;
for (size_t i = 0; i < contours.size(); i++)//循环所有工件坐标
{
RotatedRect rect = minAreaRect(contours[i]);//带角度的最小外接矩形
float mianji_s=rect.size.width* bilixishurect.size.height bilixishu;//计算面积
if(mianji_s<min_S)//10000平方毫米，100mm*100mm=10000，过滤最小工件
{
continue;    //结束本次
}
Point2f P[4];//
rect.points(P);//起点坐标
for (int i1 = 0;i1 <= 3; i1++)//后个点
{
line(output_image, P[i1], P[(i1 + 1) % 4], Scalar(255, 0, 0), 1);//在原图上画2代表线粗
}
}

import cv2
import numpy as np
 
# 函数cv2.pyrDown()是降低图像分辨率，变为原来一半
img = cv2.pyrDown(cv2.imread("G:/Python_code/OpenCVStudy/images/timg.jpg", cv2.IMREAD_UNCHANGED))
 
# 将图片转化为灰度，再进行二值化
ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 
for c in contours:
    # 边界框:
    # find bounding box coordinates
    # boundingRect()将轮廓转化成(x,y,w,h)的简单边框,cv2.rectangle()画出矩形[绿色(0, 255, 0)]
    x, y, w, h = cv2.boundingRect(c)
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
 
    # 最小矩形区域:
    # 1 计算出最小矩形区域 2 计算这个的矩形顶点 3 由于计算出来的是浮点数，而像素是整型，所以进行转化 4 绘制轮廓[红色(0, 0, 255)]
    # find minimum area
    rect = cv2.minAreaRect(c)
    # calculate coordinates of the minimum area rectangle
    box = cv2.boxPoints(rect)
    # normalize coordinates to integers
    box = np.int0(box)
    # draw contours
    cv2.drawContours(img, [box], 0, (0, 0, 255), 3)
 
    # 最小闭圆的轮廓:
    # calculate center and radius of minimum enclosing circle[蓝色(255, 0, 0)]
    (x, y), radius = cv2.minEnclosingCircle(c)
    # cast to integers
    center = (int(x), int(y))
    radius = int(radius)
    # draw the circle
    img = cv2.circle(img, center, radius, (255, 0, 0), 2)
 
# 轮廓检测:绘制轮廓
cv2.drawContours(img, contours, -1, (255, 0, 0), 1)
cv2.imshow("contours", img)
 
cv2.waitKey()
cv2.destroyAllWindows()