如何快速筛选同时接触图像顶部与底部的OpenCV轮廓？

处理的目标图像：

需求是获取所有同时接触图像顶部和底部的轮廓列表，当前实现是先提取所有轮廓再遍历筛选，以下是具体优化方案：

一、直接优化现有筛选逻辑 #

当前代码中0 in contour[:,0,1]和rows in contour[:,0,1]会遍历轮廓所有点的y坐标，效率较低。利用numpy的向量化操作直接取轮廓y坐标的最小/最大值，能大幅提升判断速度：

import cv2
import numpy as np

contours, hier = cv2.findContours(projection, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)  # 改用外轮廓+压缩点格式
validContours = []
rows = projection.shape[0]  # 获取图像行数（底部y坐标为rows-1）

for contour in contours:
    y_coords = contour[:, 0, 1]
    min_y = y_coords.min()
    max_y = y_coords.max()
    # 检查是否同时接触顶部（y=0）和底部（y=rows-1）
    if min_y == 0 and max_y == rows - 1:
        validContours.append(contour)

额外优化点：

• 用cv2.RETR_EXTERNAL替代cv2.RETR_LIST：只提取外轮廓，减少轮廓总数
• 用cv2.CHAIN_APPROX_SIMPLE替代cv2.CHAIN_APPROX_NONE：压缩轮廓点数量，降低内存占用和计算量

二、基于FloodFill的定向筛选方案 #

如果图像中不符合条件的轮廓占比高，这种方法能避免提取所有轮廓，直接定位符合要求的连通区域：

import cv2
import numpy as np

projection = ...  # 你的输入二值图像
rows, cols = projection.shape
validContours = []
mask = np.zeros((rows, cols), dtype=np.uint8)

# 获取顶部和底部的前景像素列坐标
top_foreground = np.where(projection[0, :] > 0)[0]
bottom_foreground = np.where(projection[-1, :] > 0)[0]

# 遍历顶部前景像素，执行FloodFill并检查是否连通到底部
for x in top_foreground:
    if mask[0, x] == 0:
        # 填充当前连通区域到掩码
        _, filled_mask, _, _ = cv2.floodFill(projection, mask, (x, 0), 255)
        # 检查填充区域是否接触底部
        if np.any(filled_mask[-1, :] == 255):
            # 从填充后的掩码提取轮廓
            cnts, _ = cv2.findContours(filled_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
            validContours.extend(cnts)

三、自定义连通区域分析（可选） #

如果需要极致性能，可以用并查集（Union-Find）实现连通区域标记：

1. 遍历图像，标记所有前景像素的连通关系
2. 收集顶部前景像素所在的连通组，检查这些组是否包含底部前景像素
3. 提取对应连通组的轮廓

这种方法适合大规模图像的批量处理，但实现复杂度较高，OpenCV内置函数已能满足大部分场景需求。

内容的提问来源于stack exchange，提问作者lchavez