将PNG转为Shapefile合并后出现黑线，如何消除？

我有一张PNG图像，其中每种颜色代表一类土地覆盖类型。我使用cv2遍历所有目标颜色并提取其轮廓：

for color in target_colors:
    mask = cv2.inRange(input_image, color, color)

    # Find contours in the mask
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

随后我将所有轮廓转为点集，再将点集转换为几何图形：

points = [
            (
                round((point[0][0] * np.abs(x_resolution)) + extent.left, 4),
                round((point[0][1] * np.abs(y_resolution)) + extent.bottom, 4),
            )
            for point in contours
        ]

        if len(points) >= 4:
            polygon = Polygon(points)
            polygon = polygon.buffer(0)

            gdf_temp = gpd.GeoDataFrame(data, geometry=[polygon], crs=crs)

我针对每种颜色执行上述操作，得到多个看似正常的Shapefile。但在合并这些Shapefile时：

gdf_original = gpd.read_file(f"{path_list[0]}/SHP.shp")

for i in range(1, len(path_list)):
    gdf_next = gpd.read_file(f"{path_list[i]}/SHP.shp")

    gdf_original = gpd.pd.concat(
        [gdf_original, gdf_next]
    )  
    gdf_original["geometry"] = gdf_original["geometry"].buffer(0)

gdf_original['geometry'] = gdf_original['geometry'].simplify(tolerance=0.001, preserve_topology=True)

gdf_original.to_file(f"{result_place}/output.shp")

合并后的Shapefile中，各原Shapefile的连接处出现明显黑线。我已尝试过不同的轮廓提取方法，请问该如何消除这些黑线？

这些黑线本质是不同类别多边形之间的拓扑缝隙或重叠，以下是针对性解决方法：

1. 修正坐标转换的精度损失 #

去掉坐标转换时的round()操作——你当前对坐标点做了4位小数的取整，这会强制截断精度，导致相邻类别的多边形边缘出现微小偏移，无法完全贴合。直接保留原始计算精度即可：

points = [
    (
        (point[0][0] * np.abs(x_resolution)) + extent.left,
        (point[0][1] * np.abs(y_resolution)) + extent.bottom,
    )
    for point in contours
]

2. 优化拓扑修复时机 #

不要在每次concat后都执行buffer(0)，重复的拓扑修复会引入额外误差。改为先一次性合并所有GeoDataFrame，再统一修复拓扑：

# 批量读取并合并所有Shapefile
gdf_list = [gpd.read_file(f"{path}/SHP.shp") for path in path_list]
gdf_original = gpd.pd.concat(gdf_list, ignore_index=True)

# 一次性修复所有多边形的拓扑错误
gdf_original["geometry"] = gdf_original["geometry"].buffer(0)

3. 用拓扑合并消除缝隙 #

通过dissolve合并同类别内部多边形，再利用unary_union强制消除不同类别间的缝隙：

# 按类别列合并同类别多边形（替换成你的实际类别列名）
gdf_merged = gdf_original.dissolve(by="land_type", as_index=False)

# 生成所有多边形的拓扑联合，确保边缘完全贴合
all_union = gdf_merged.geometry.unary_union
gdf_merged["geometry"] = gdf_merged.geometry.apply(lambda x: x.intersection(all_union))

4. 调整简化操作参数 #

• 降低simplify的tolerance值：当前0.001的容差可能过大，导致边缘变形。尝试更小的值（如0.0001），或暂时关闭简化操作，验证是否是简化导致的黑线问题。
• 替换为平滑操作：如果必须简化，用shapely的smooth()替代simplify，能在保留拓扑的同时减少边缘锯齿：

from shapely.ops import smooth
gdf_original["geometry"] = gdf_original["geometry"].apply(lambda x: smooth(x, radius=0.001))

5. 从源mask层面提前抵消误差 #

提取轮廓前对mask做轻微膨胀，让每个类别的边缘稍微扩大，抵消后续坐标转换和拓扑操作的精度损耗：

kernel = np.ones((2,2), np.uint8)
mask = cv2.dilate(mask, kernel, iterations=1)

注意核大小不要超过1-2像素，避免跨类别重叠。

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