OpenCV中pointPolygonTest误判轮廓内外，合并轮廓是否合理？

合并轮廓是否可行？ #

完全不可行。findContours返回的每个轮廓都是具有闭合拓扑结构的独立多边形（可能是外轮廓、内孔，或是分离的独立对象），用numpy.concatenate直接合并会把所有轮廓点打乱成无序的点集合，彻底破坏了多边形的边界结构，pointPolygonTest根本无法基于这种混乱的点集判断点的位置关系，这就是你得到错误结果的核心原因。

正确的点内外判断方案 #

需要根据轮廓的实际类型（带内孔的单对象/多独立对象）分别处理：

场景1：轮廓是带内孔的单个对象 #

OpenCV的findContours会通过hierarchy参数返回轮廓的层级关系，外轮廓和内孔是父子层级。判断点是否在对象内部，需要同时满足：点在外轮廓内部，且不在任何内孔内部。

实现步骤

1. 调用findContours时指定能获取层级的检索模式（如cv2.RETR_CCOMP或cv2.RETR_TREE），拿到contours和hierarchy；
2. 遍历所有轮廓，区分外轮廓（层级中父节点索引为-1的）和内孔（父节点对应外轮廓索引的）；
3. 对目标点，先判断是否在外轮廓内部，再检查是否不在所有内孔内部，同时满足则判定为在对象内部。

场景2：轮廓是多个独立的分离对象 #

只要点处于任意一个轮廓的内部，就判定为在目标区域内。

代码示例 #

import cv2
import numpy as np

# 假设已得到二值化图像binary_img
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
test_point = (100, 100)

# 场景1：处理带内孔的单对象
is_inside = False
for i in range(len(contours)):
    # 筛选外轮廓（无父节点）
    if hierarchy[0][i][3] == -1:
        # 判断点是否在外轮廓内（measureDist=False返回1/0/-1，效率更高）
        outer_result = cv2.pointPolygonTest(contours[i], test_point, measureDist=False)
        if outer_result > 0:
            # 检查所有内孔
            in_hole = False
            j = hierarchy[0][i][2]  # 获取第一个子轮廓（内孔）的索引
            while j != -1:
                hole_result = cv2.pointPolygonTest(contours[j], test_point, measureDist=False)
                if hole_result > 0:
                    in_hole = True
                    break
                j = hierarchy[0][j][0]  # 遍历下一个同级内孔
            if not in_hole:
                is_inside = True
                break

# 场景2：处理多个独立对象（直接遍历所有轮廓）
# is_inside = any(cv2.pointPolygonTest(contour, test_point, measureDist=False) > 0 for contour in contours)

print(f"点是否在目标区域内: {is_inside}")

关键注意事项 #

• 轮廓检索模式要匹配场景：带内孔用cv2.RETR_CCOMP/cv2.RETR_TREE，多独立对象可以用cv2.RETR_EXTERNAL（只取外轮廓）或cv2.RETR_LIST；
• 仅做内外判断时，把pointPolygonTest的measureDist设为False，能大幅提升运行效率。

内容的提问来源于stack exchange，提问作者Erfan Hamdi