如何用OpenCV-Python精准识别图片中键盘并定位每个按键的坐标？

实现思路概述

要实现键盘图片中按键的识别与坐标定位，核心流程分为四步：首先对输入图片做预处理，消除噪声、增强按键轮廓特征；其次通过二值化操作分离按键区域与背景；然后筛选符合按键特征的轮廓，排除无关干扰；最后提取每个有效轮廓的坐标信息，得到按键的位置数据。

环境准备

需要提前安装OpenCV-Python库，执行以下命令即可完成安装：

pip install opencv-python numpy

完整实现步骤

1. 图像预处理

首先读取键盘图片，转换为灰度图后做高斯模糊，减少图像噪声对后续轮廓检测的影响：

import cv2
import numpy as np

# 读取键盘图片
img = cv2.imread("keyboard.jpg")
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯模糊去噪
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

2. 二值化与轮廓增强

使用阈值二值化将按键区域与背景分离，再通过形态学操作闭合按键内部的细小缝隙，让轮廓更完整：

# 二值化操作，按键区域为白色，背景为黑色
_, thresh = cv2.threshold(blurred, 127, 255, cv2.THRESH_BINARY_INV)
# 形态学闭操作，填充按键内部小空隙
kernel = np.ones((3, 3), np.uint8)
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)

3. 轮廓检测与筛选

检测所有轮廓后，根据按键的面积、长宽比特征筛选有效按键轮廓，排除边框、文字等干扰项：

# 检测所有轮廓
contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

valid_keys = []
for contour in contours:
    # 计算轮廓面积，过滤过小的干扰项
    area = cv2.contourArea(contour)
    if area < 100:
        continue
    # 获取轮廓的边界矩形
    x, y, w, h = cv2.boundingRect(contour)
    # 根据长宽比筛选，普通按键长宽比在0.5到3之间
    ratio = w / h if h != 0 else 0
    if 0.5 < ratio < 3:
        valid_keys.append((x, y, w, h, contour))

4. 坐标提取与可视化

提取每个有效按键的边界坐标和中心坐标，同时可以在原图上绘制轮廓和坐标信息方便验证：

# 存储所有按键的坐标信息
key_coords = []
for x, y, w, h, contour in valid_keys:
    # 计算按键中心坐标
    center_x = x + w // 2
    center_y = y + h // 2
    # 保存边界坐标和中心坐标
    key_coords.append({
        "bounding_box": (x, y, x + w, y + h),
        "center": (center_x, center_y)
    })
    # 在原图上绘制按键轮廓
    cv2.drawContours(img, [contour], -1, (0, 255, 0), 2)
    # 绘制中心坐标点
    cv2.circle(img, (center_x, center_y), 3, (0, 0, 255), -1)
    # 标注中心坐标
    cv2.putText(img, f"({center_x},{center_y})", (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.4, (255, 0, 0), 1)

# 打印所有按键坐标
for idx, coord in enumerate(key_coords):
    print(f"按键{idx+1}：边界坐标{coord['bounding_box']}，中心坐标{coord['center']}")

# 保存结果图片
cv2.imwrite("keyboard_result.jpg", img)

注意事项

• 输入图片需要保证键盘区域清晰，光线均匀，避免强光反射导致二值化效果差
• 如果键盘布局特殊，可调整轮廓筛选的面积阈值和长宽比范围，适配不同按键形状
• 若需要识别按键对应的字符，可结合OCR技术对按键区域做文字识别，再关联坐标信息

参数调优建议

如果识别效果不理想，可调整以下参数：

OpenCV-Python图像识别键盘按键定位轮廓检测坐标提取修改时间：2026-05-31 23:44:48