import os  # 导入os库，用于文件路径操作

import cv2  # 导入OpenCV库，用于图像处理

# 读取图像文件，使用os.path.join构建路径确保跨平台兼容性
# 图像位于当前目录下的data文件夹中，文件名为bird.jpg
img = cv2.imread(os.path.join('.', 'data', 'bird.jpg'))

# 将彩色图像转换为灰度图像，以便进行后续的阈值处理
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图像进行阈值处理，生成二值图像
# 参数说明：
# img_gray: 输入的灰度图像
# 110: 阈值，像素值大于此值的将被处理
# 255: 最大值，用于设置超过阈值的像素值
# cv2.THRESH_BINARY_INV: 二值化类型，此处为反向二值化（小于阈值的像素设为最大值，大于阈值的设为0）
ret, img_thresh = cv2.threshold(img_gray, 110, 255, cv2.THRESH_BINARY_INV)

# 查找图像中的轮廓
# 参数说明：
# img_thresh: 输入的二值图像
# cv2.RETR_TREE: 轮廓检索模式，检索所有轮廓并构建完整的层次结构
# cv2.CHAIN_APPROX_SIMPLE: 轮廓近似方法，仅存储轮廓的端点
contours, hierarchy = cv2.findContours(img_thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有找到的轮廓
for cnt in contours:
    # 计算当前轮廓的面积
    print(cv2.contourArea(cnt))
    
    # 过滤掉面积较小的轮廓（面积大于200的才进行处理）
    if cv2.contourArea(cnt) > 200:
        # 绘制轮廓（当前被注释掉）
        # cv2.drawContours(img, [cnt], -1, (0, 255, 0), 2)
        
        # 计算轮廓的边界矩形
        # 返回值：x, y（矩形左上角坐标），w, h（矩形宽度和高度）
        x, y, w, h = cv2.boundingRect(cnt)
        
        # 在原始图像上绘制边界矩形
        # 参数说明：
        # img: 要绘制的图像
        # (x, y): 矩形左上角坐标
        # (x+w, y+h): 矩形右下角坐标
        # (0, 0, 255): 矩形颜色，此处为红色（BGR格式）
        # 2: 矩形线条宽度
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)

# 显示原始图像（已绘制边界矩形）
cv2.imshow('img', img)

# 显示阈值处理后的二值图像
cv2.imshow('img_thresh', img_thresh)

# 等待用户按下任意键，参数0表示无限等待
cv2.waitKey(0)

原图

效果图