奥比中光相机基于轮廓提取绘制，获取目标特征并求取质心坐标

奥比中光相机为了减少干扰像素点，先通过裁剪RGB图片，再利用Canny边缘算子，获取目标边缘轮廓，求取裁剪后图片的质心坐标，并还原至原RGB图，得到真实质心像素坐标，再通过pcd点云根据相机内参获取深度图，筛选深度图后得到质心的真实坐标。

# -*- coding: utf-8 -*-
import numpy as np
import cv2
import matplotlib.pyplot as plt
from openni import openni2
import open3d as o3d

def imge_show(imgCanny, imgContour):
    contours, hierarchy = cv2.findContours(imgCanny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 寻找轮廓点

    point = []
    for obj in contours:
        area = cv2.contourArea(obj)  # 计算轮廓内区域的面积
        # 筛选非闭合轮廓
        if area > 50:
            cv2.drawContours(imgContour[128:350, 128:450], obj, -1, (255, 0, 0), 3)  # 绘制轮廓线
            perimeter = cv2.arcLength(obj, True)  # 计算轮廓周长
            approx = cv2.approxPolyDP(obj, 0.02 * perimeter, True)  # 获取轮廓角点坐标
            # CornerNum = len(approx)  # 轮廓角点的数量
            # x, y, w, h = cv2.boundingRect(approx)  # 获取坐标值和宽度、高度
            # 1：近似矩形的左上角点坐标、矩形的宽和高（x, y, w, h）
            # 2：近似矩形的左上角点坐标（x, y），矩形的宽和高（w, h）及旋转角度θ（°）
            # 3：转换为矩形的四个角点坐标
            rect = cv2.minAreaRect(approx)
            x, y, w, h = cv2.boxPoints(rect)

            # 还原至真实像素坐标
            point1 = [x[0] + 128, x[1] + 128]
            point2 = [y[0] + 128, y[1] + 128]
            point3 = [w[0] + 128, w[1] + 128]
            point4 = [h[0] + 128, h[1] + 128]
            # print('坐标，宽度，高度', point1, point2, point3, point4)