python-opencv绘制矩形框
如何把左边倾斜车位也绘制矩形框，可以同时实现图中两种车位的检测。
1.调整检测框的位置和大小，使其同时包含左边倾斜车位和右边水平车位。
2.对于倾斜的车位，可以采用旋转矩形来进行检测。
举个例子，在Python中使用OpenCV进行车位检测的代码如下：
import cv2
#读取图像
img = cv2.imread('parking_lot.jpg')
#设置车位检测框的大小和位置
x, y, w, h = 270, 200, 350, 220
#截取图像中指定位置的区域
roi = img[y:y+h, x:x+w]
#将截取到的区域转化为灰度图像
gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
#使用Canny算子检测边缘
edges = cv2.Canny(gray, 50, 150)
#使用霍夫变换检测直线
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 40, minLineLength=50, maxLineGap=5)
#遍历检测到的直线
for line in lines:
x1, y1, x2, y2 = line[0]
cv2.line(roi, (x1, y1), (x2, y2), (0, 255, 0), 2)
#在原图中标记检测到的车位
cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)
#显示图像
cv2.imshow('Parking Lot Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上述代码中，我们利用了OpenCV中的 cv2.HoughLinesP 函数来检测直线。同时，我们也采用了一个矩形框来指定车位检测的区域。注意，这里的矩形框应该包含左边倾斜车位和右边水平车位。对于左边倾斜的车位，我们可以采用旋转矩形来进行检测，方法与检测直线类似。
以下答案由GPT-3.5大模型与博主波罗歌共同编写：
可以使用OpenCV中的cv2.rectangle()函数来绘制矩形框。对于左边倾斜的车位，可以先使用cv2.findContours()函数找到轮廓，然后使用cv2.minAreaRect()函数求得最小外接矩形，最后使用cv2.boxPoints()函数转化为四个顶点坐标，再将这四个顶点坐标传递给cv2.rectangle()函数来绘制矩形框。以下是详细实现步骤：
- 读入图片，将其转化为灰度图像：
import cv2
img = cv2.imread("parking.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
- 使用cv2.Canny()函数进行边缘检测：
edges = cv2.Canny(gray, 100, 200)
- 使用cv2.findContours()函数找到轮廓：
contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
- 遍历所有轮廓，找到左边倾斜车位的轮廓，并使用cv2.minAreaRect()函数求得最小外接矩形：
for contour in contours:
rect = cv2.minAreaRect(contour)
box = cv2.boxPoints(rect)
box = np.int0(box)
# 判断最小外接矩形的长宽比是否在一定范围内，这里参数可以根据具体情况调整
if rect[1][0] / rect[1][1] > 2 and rect[1][0] / rect[1][1] < 4:
cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
- 使用cv2.rectangle()函数绘制右边车位的矩形框：
cv2.rectangle(img, (282, 425), (320, 457), (0, 255, 0), 2)
完整代码如下：
import cv2
import numpy as np
img = cv2.imread("parking.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 100, 200)
contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 遍历所有轮廓，找到左边倾斜车位的轮廓，并使用cv2.minAreaRect()函数求得最小外接矩形
for contour in contours:
rect = cv2.minAreaRect(contour)
box = cv2.boxPoints(rect)
box = np.int0(box)
# 判断最小外接矩形的长宽比是否在一定范围内，这里参数可以根据具体情况调整
if rect[1][0] / rect[1][1] > 2 and rect[1][0] / rect[1][1] < 4:
cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
# 绘制右边车位的矩形框
cv2.rectangle(img, (282, 425), (320, 457), (0, 255, 0), 2)
cv2.imshow("Parking Detection", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
这样就可以同时实现图中两种车位的检测，效果如下图所示：
# 车位区域的最小外接矩形
rect1 = cv2.minAreaRect(np.array([(65, 355), (270, 210), (330, 265), (125, 410)]))
rect2 = cv2.minAreaRect(np.array([(360, 160), (480, 160), (480, 220), (360, 220)]))
# 获取倾斜矩形的四个角点
box1 = cv2.boxPoints(rect1).astype(int)
box2 = cv2.boxPoints(rect2).astype(int)
# 绘制矩形框
cv2.drawContours(img, [box1], 0, (0, 255, 0), 2)
cv2.drawContours(img, [box2], 0, (0, 0, 255), 2)
# 显示结果
cv2.imshow('Parking Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上面的代码中，我们使用np.array函数来创建包含每个车位角点坐标的NumPy数组。然后，我们使用cv2.minAreaRect函数来获取车位区域的最小外接矩形。接下来，我们使用cv2.boxPoints函数计算这个矩形的四个角点，并将它们转换为整数类型。
最后，我们使用cv2.drawContours函数绘制矩形框。第一个参数是图像，第二个参数是角点的列表，第三个参数是要绘制的轮廓的索引（在这里我们只有一个），第四个参数是矩形框的颜色，第五个参数是线条的宽度。
运行代码后，您应该能够看到带有两个车位矩形框的图像。
你是需要帮你检测还是画图？
不知道你这个问题是否已经解决, 如果还没有解决的话:- 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7664394
- 你也可以参考下这篇文章：基于python-opencv实现鼠标绘制矩形、直线并根据直线斜率实现图片旋转
- 除此之外, 这篇博客: python-opencv两张图片的加减除操作，目的：可以调节亮度以及对比度中的 两个图片减去操作 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
cv2.subtract(img1,img2)
img1-img2
黑色是0，减去黄色的值，肯定<0 而0是最小的值，所以背景是黑色的
img2-img1 cv2.subtract(img2,img1)
- 您还可以看一下 李立宗老师的Python+OpenCV计算机视觉课程中的 绘制直方图小节, 巩固相关知识点
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^