如何在OpenCV C++中为图像内的轮廓化字符填充颜色？

核心问题排查与修复 #

1. 图像预处理不匹配 #

findContours默认检测白色前景、黑色背景的轮廓，如果你的图像是黑色字符+白色背景，必须先反转图像，否则提取到的轮廓是背景而非字符：

import cv2
import numpy as np

img = cv2.imread("2QWQn.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化并反转，得到白字黑底的二值图
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

2. 轮廓提取模式错误 #

如果使用默认的轮廓检索模式，可能会提取到字符内部的空洞轮廓（比如'O'的内圈），导致pointPolygonTest误判。改用RETR_EXTERNAL只提取最外层轮廓：

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

3. 坐标顺序搞反 #

pointPolygonTest的参数是(contour, (x, y), measureDist)，其中x是列坐标（图像宽度方向），y是行坐标（图像高度方向）。很多人会把遍历的行/列顺序搞反，导致坐标完全错误：

fill_img = np.zeros_like(img)
# 正确遍历：y是行，x是列
for y in range(fill_img.shape[0]):
    for x in range(fill_img.shape[1]):
        for cnt in contours:
            # 传入(x,y)而非(y,x)
            dist = cv2.pointPolygonTest(cnt, (x, y), False)
            if dist >= 0:  # 0在轮廓上，1在内部
                fill_img[y, x] = (0, 255, 0)

4. 过滤噪声轮廓 #

提取轮廓时可能会得到很多小噪声点，需要过滤掉面积过小的无效轮廓：

# 保留面积大于50的轮廓（阈值根据你的图像调整）
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 50]

更高效的替代方案 #

逐像素遍历效率极低，推荐直接用drawContours填充轮廓内部，一行代码搞定：

fill_img = np.zeros_like(img)
# thickness=-1 表示填充轮廓内部
cv2.drawContours(fill_img, valid_contours, -1, (0, 255, 0), thickness=-1)

完整可运行代码 #

import cv2
import numpy as np

# 读取图像
img = cv2.imread("2QWQn.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 预处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 提取并过滤轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 50]

# 填充轮廓
fill_img = np.zeros_like(img)
cv2.drawContours(fill_img, valid_contours, -1, (0, 255, 0), thickness=-1)

# 显示结果
cv2.imshow("Original", img)
cv2.imshow("Filled", fill_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者bicboi