OpenCV如何获取轮廓的精确多边形？现有方法精度不足

问题根源 #

你当前通过np.column_stack(np.where(img_binary.transpose() > 0))获取的是所有前景像素的坐标集合，这些点没有按轮廓顺序排列，直接传入fillPoly会导致绘制的多边形完全失真，这就是左下角区域不匹配的核心原因。

修正方案 #

1. 优化二值化结果（可选）

先通过形态学操作去除小噪点、填补缝隙，减少轮廓的毛刺干扰：

import cv2
import numpy as np

img_color = cv2.imread('carved.png')
img_gray = cv2.cvtColor(img_color, cv2.COLOR_BGR2GRAY)
cv2.imwrite('ex1_gray.png', img_gray)

# 二值化后加入形态学闭运算优化
img_binary = cv2.adaptiveThreshold(img_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV, 11, 2)
kernel = np.ones((3,3), np.uint8)
img_binary = cv2.morphologyEx(img_binary, cv2.MORPH_CLOSE, kernel, iterations=1)
cv2.imwrite('ex1_binary_optimized.png', img_binary)

2. 提取轮廓并生成精确多边形

提取最大外轮廓后，使用cv2.approxPolyDP控制多边形精度，参数epsilon越小，多边形越贴近原轮廓；若要最高精度，直接用原始轮廓点即可：

# 获取最大外轮廓
contours = cv2.findContours(img_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contours = contours[0] if len(contours) == 2 else contours[1]
big_contour = max(contours, key=cv2.contourArea)

# 方案A：生成可控制精度的近似多边形（推荐）
# epsilon设为轮廓周长的0.001倍，可根据需求调整数值
epsilon = 0.001 * cv2.arcLength(big_contour, True)
approx_poly = cv2.approxPolyDP(big_contour, epsilon, True)

# 方案B：使用原始轮廓点（最高精度）
# approx_poly = big_contour

# 绘制填充的精确多边形mask
mask = np.zeros_like(img_binary)
cv2.fillPoly(mask, [approx_poly], 255)
cv2.imwrite('ex1_precise_mask.png', mask)

# 绘制多边形轮廓到图像查看效果
contr = cv2.cvtColor(img_binary.copy(), cv2.COLOR_GRAY2BGR)
cv2.drawContours(contr, [approx_poly], 0, (0,0,255), 2)
cv2.imwrite('ex1_precise_poly.png', contr)

关键说明 #

• cv2.approxPolyDP的epsilon参数是控制精度的核心：它是轮廓周长的比例值，比如0.001*周长表示近似多边形与原轮廓的最大距离不超过周长的0.1%，值越小精度越高，多边形的顶点数也越多。
• 绝对不要用所有前景像素点来绘制多边形，必须使用按轮廓顺序排列的轮廓点或近似多边形点。

内容的提问来源于stack exchange，提问作者Danyel