如何用Python检测带缺口的图像轮廓并填补缺口？

一、缺口填补的可行方案 #

如果单纯增加膨胀迭代次数没用，试试这些针对性方法：

• 二值图区域填充法
  先确保红色提取后的二值图中，红色线条为白色（255）、背景为黑色（0）。通过cv2.floodFill填充轮廓内部的空洞，直接补上缺口：

  import cv2
  import numpy as np
  
  # red_mask是提取红色后的二值图
  fill_mask = red_mask.copy()
  h, w = fill_mask.shape[:2]
  # 创建floodFill所需的扩展mask
  flood_mask = np.zeros((h+2, w+2), np.uint8)
  # 从图像左上角（背景区域）开始填充
  cv2.floodFill(fill_mask, flood_mask, (0,0), 255)
  # 反转得到填充后的内部区域，再与原线条合并
  filled_mask = cv2.bitwise_not(fill_mask) | red_mask
  

  这种方法能直接闭合轮廓内部的缺口，生成完整的闭合区域。

• 轮廓近似闭合处理
  提取轮廓后，用cv2.approxPolyDP对轮廓做多边形近似，通过调整参数闭合缺口：

  contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  closed_contours = []
  for cnt in contours:
      # epsilon设为轮廓周长的0.01倍，可根据实际缺口大小调整
      epsilon = 0.01 * cv2.arcLength(cnt, True)
      approx_cnt = cv2.approxPolyDP(cnt, epsilon, True)
      closed_contours.append(approx_cnt)
  # 将闭合后的轮廓绘制到新图
  result_mask = np.zeros_like(red_mask)
  cv2.drawContours(result_mask, closed_contours, -1, 255, thickness=cv2.FILLED)
  

  适合缺口由轮廓拟合误差导致的场景，epsilon越大，轮廓越简化，越容易闭合。

• 自定义核的形态学闭运算
  放弃默认矩形核，改用椭圆形核，更贴合曲线轮廓的缺口形状：

  # 创建适配缺口大小的椭圆形结构元素（示例为30x30，可调整）
  kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (30,30))
  # 闭运算（先膨胀后腐蚀），填补缺口同时尽量保留轮廓原貌
  closed_mask = cv2.morphologyEx(red_mask, cv2.MORPH_CLOSE, kernel, iterations=1)
  

  椭圆形核能精准填补曲线类缺口，避免矩形核过度膨胀导致的轮廓变形。

二、点是否在轮廓内的判断 #

得到闭合轮廓后，直接用cv2.pointPolygonTest实现判断：

# 取面积最大的轮廓（如果存在多个轮廓）
main_contour = max(closed_contours, key=cv2.contourArea)
# 测试目标点(x,y)
test_point = (150, 200)
# 第三个参数设为False：内部返回正、外部返回负、轮廓上返回0；设为True则返回点到轮廓的距离
in_contour = cv2.pointPolygonTest(main_contour, test_point, False)
if in_contour > 0:
    print("点在轮廓内部")
elif in_contour == 0:
    print("点在轮廓上")
else:
    print("点在轮廓外部")

额外提示 #

• 如果红色提取的二值图噪声较多，先做cv2.medianBlur或cv2.GaussianBlur去噪，再处理缺口效果会更好。
• 所有参数（epsilon、核大小等）需根据你的实际图像尺寸、缺口大小微调，建议每一步都可视化结果，方便调整。

内容的提问来源于stack exchange，提问作者Flojomojo