如何使用OpenCV连接图像边缘以补全矩形？

针对仅含部分矩形边缘的二值图像，可通过霍夫直线检测+顶点计算+矩形绘制的流程实现补全，具体步骤如下：

1. 图像读取与预处理 #

先读取图像并确保为二值格式（若原图像不是严格二值，需做阈值化处理）：

import cv2
import numpy as np

# 读取灰度图像
img = cv2.imread('source.png', 0)
# 二值化（根据图像明暗调整反转参数）
_, binary_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

2. 霍夫直线检测提取现有边缘 #

用概率霍夫变换检测图像中的直线，再将直线分为水平和垂直两组：

# 概率霍夫直线检测，参数需根据图像调整
lines = cv2.HoughLinesP(
    binary_img,
    rho=1,
    theta=np.pi/180,
    threshold=50,
    minLineLength=30,
    maxLineGap=10
)

# 分离水平、垂直直线
horizontal_lines = []
vertical_lines = []
for line in lines:
    x1, y1, x2, y2 = line[0]
    # 通过斜率区分水平（y变化小）和垂直（x变化小）直线
    if abs(y2 - y1) < abs(x2 - x1):
        horizontal_lines.append(line[0])
    else:
        vertical_lines.append(line[0])

3. 计算矩形的四个顶点 #

从水平直线中筛选出最上、最下两条，垂直直线中筛选出最左、最右两条，再计算它们的交点作为矩形顶点：

# 排序获取上下水平直线
horizontal_lines.sort(key=lambda l: l[1])
top_h_line = horizontal_lines[0]
bottom_h_line = horizontal_lines[-1]

# 排序获取左右垂直直线
vertical_lines.sort(key=lambda l: l[0])
left_v_line = vertical_lines[0]
right_v_line = vertical_lines[-1]

# 计算两条直线的交点
def get_intersection(line1, line2):
    x1, y1, x2, y2 = line1
    x3, y3, x4, y4 = line2
    denom = (x1 - x2)*(y3 - y4) - (y1 - y2)*(x3 - x4)
    if denom == 0:
        return None
    t = ((x1 - x3)*(y3 - y4) - (y1 - y3)*(x3 - x4)) / denom
    return (int(x1 + t*(x2 - x1)), int(y1 + t*(y2 - y1)))

# 获取四个顶点
top_left = get_intersection(top_h_line, left_v_line)
top_right = get_intersection(top_h_line, right_v_line)
bottom_left = get_intersection(bottom_h_line, left_v_line)
bottom_right = get_intersection(bottom_h_line, right_v_line)

4. 绘制完整矩形 #

在图像上连接四个顶点，生成完整矩形：

# 转换为彩色图像用于绘制
output_img = cv2.cvtColor(binary_img, cv2.COLOR_GRAY2BGR)

# 绘制四条边（红色，线宽2）
cv2.line(output_img, top_left, top_right, (0, 0, 255), 2)
cv2.line(output_img, top_right, bottom_right, (0, 0, 255), 2)
cv2.line(output_img, bottom_right, bottom_left, (0, 0, 255), 2)
cv2.line(output_img, bottom_left, top_left, (0, 0, 255), 2)

# 保存或显示结果
cv2.imwrite('completed_rectangle.png', output_img)
cv2.imshow('Result', output_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 霍夫检测的参数（threshold、minLineLength、maxLineGap）需根据实际图像调整，确保能准确捕获所有现有边缘；
• 若图像存在多个矩形，需先通过轮廓检测分割单个矩形区域，再逐一处理；
• 对于小缺口，也可尝试用形态学膨胀（cv2.dilate()）先填补缺口，再提取轮廓，但大缺口场景下霍夫直线法更可靠。

内容的提问来源于stack exchange，提问作者mrProgrammer