1. python+opencv如何从图片中识别并切割出所有矩形
在图像处理中，识别并切割出所有矩形是常见需求。使用Python与OpenCV库能轻松实现这一目标。关键在于找到图像中的轮廓并筛选出矩形。具体步骤如下：
首先，加载并预处理图像。利用OpenCV库的imread函数加载图像，然后通过阈值化、高斯模糊等操作，减少图像噪声，增强轮廓特征。
接着，使用findContours函数，通过cv2.findContours函数找到图像中的轮廓。这一函数返回所有轮廓的链式结构，通过这一链式结构可以访问到每一个轮廓的属性。
接下来，对找到的轮廓进行迭代。对于每个轮廓，利用cv2.approxPolyDP函数简化轮廓，以便更好地识别其形状。矩形轮廓的简化后形状会非常接近一个四边形。
随后，计算简化后的轮廓周长。周长是判断轮廓形状的重要指标。通过比较各个轮廓的周长，可以筛选出接近矩形的轮廓。通常，接近矩形的轮廓的周长会呈现出一定的规律性。
筛选出具有特定周长的轮廓后，还需要进一步验证这些轮廓是否真的为矩形。可以利用轮廓的最小外接矩形属性进行验证。最小外接矩形属性包含了矩形的宽度、高度、角度等信息。
如果一个轮廓的最小外接矩形角度接近0度或180度，且其宽高比在特定范围内（例如2:1至4:1），那么可以判断该轮廓为矩形。反之，则可以排除。
最后，根据验证结果，将识别出的矩形轮廓在原图像上进行标注，并切割出矩形部分。可以通过cv2.drawContours函数在图像上绘制出矩形轮廓，使用numpy库将矩形部分从原图像中切割出来。
通过以上步骤，可以实现从图像中识别并切割出所有矩形。请注意，这是一个基础示例代码，实际应用中可能需要根据具体需求进行调整和优化，比如引入更高级的图像处理技术、调整参数等。
2. 如何画出图像识别所得到的多元函数图像
最重要的就是确定对称轴。
对称轴为x=-b/2a
得到这个x后，再把这个x代入函数就能求出顶点y的坐标。
然后设x=0，可得y轴上的截距，找到这个交点关于对称轴的对称点，就可以大致画出二次函数图像了。
例如y=x2+4x+5
由方法，确定函数对称轴为x=-2，当x=-2时，y=1，这就是二次函数的顶点。
当x=0时，y=5，得截距，其关于对称轴的对称点为x=-4，y=5
这样这个函数的大致图像就可以画出来了。
3. wps怎么识别图片中数学公式
在生成的图表位置，单击鼠标右键，“添加趋势线”，然后在趋势线上双击，在“设置趋势线格式”中，勾选“显示公式”，即可。
wps表格中将图片上加入公式的方式：打开WPS表格，选中需要显示公式的单元格区域。点击公式。再点击显示公式。选择数据区域，在插入选项下的图表中，选择需要的图表类型。
zd可以用文本地址公式内：=SUM(INDIRECT(a2：a&COUNTIF(A：A，0)+1))这个公式可以计算自动增加的行里的数据。
关键是自定义公式，不适用vlookup函数，只能用index函数。
先打开WPS中的“插入”菜单。选择“公式”选项，点击进入。此时屏幕上跳转出现一个大的虚框，这个虚框就是公式编辑区。输入“y=”，在栏目中寻找需要添加的公式符号，进行编辑即可。
用INDEX+MATCH函数，可以根据单元格内容，显示相应的图片。