如何在OpenCV中仅检测位于其他轮廓内部的轮廓？

核心思路 #

通过轮廓的层级结构区分内外轮廓：外层正方形会包含子轮廓，而你需要的内部正方形没有子轮廓，结合形状特征筛选即可。

具体操作（以OpenCV Python为例） #

• 图像预处理

  • 转灰度图：gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  • 二值化（根据图像明暗调整阈值，这里用反相二值化适配深色轮廓）：ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
  • 可选：用形态学开运算去噪点：binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, np.ones((3,3), np.uint8))

• 提取轮廓与层级信息

  • 用RETR_TREE模式获取完整层级，每个轮廓的层级数据是[next, prev, child, parent]，其中child=-1表示该轮廓没有子轮廓：

    contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    

• 筛选目标轮廓

  • 遍历轮廓，同时满足三个条件：是四边形、无子女轮廓、长宽比接近1（正方形）：

    target_contours = []
    for cnt, hier in zip(contours, hierarchy[0]):
        # 多边形近似，减少轮廓点数
        epsilon = 0.04 * cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, epsilon, True)
        # 判断四边形+无子女轮廓+正方形比例
        if len(approx) == 4 and hier[2] == -1:
            x, y, w, h = cv2.boundingRect(cnt)
            if 0.9 < w/h < 1.1:
                target_contours.append(cnt)
    

• 验证结果

  • 绘制筛选出的轮廓：cv2.drawContours(img, target_contours, -1, (0,255,0), 2)
  • 查看效果：cv2.imshow("Inner Squares", img); cv2.waitKey(0)

注意事项 #

• 阈值、近似系数epsilon和面积阈值（如果需要）要根据你的实际图像微调，确保精准识别
• 如果有其他小干扰轮廓，可以加个面积判断：比如cv2.contourArea(cnt) > min_area过滤掉太小的轮廓

内容的提问来源于stack exchange，提问作者Tom Blums