如何用Python提取平面图的最大外轮廓并实现点内外判定？

针对你提取最大外轮廓效果不佳的问题，可以从预处理、轮廓筛选、轮廓修复这几个环节优化，具体步骤如下：

1. 优化预处理流程（替代单纯Canny边缘检测） #

平面图的外轮廓是区域边界，直接做二值化比边缘检测更稳定，能减少噪声干扰：

import cv2

floorplan = cv2.imread("Edited_floorplan_v2.jpeg")
gray = cv2.cvtColor(floorplan, cv2.COLOR_BGR2GRAY)

# 用OTSU自动阈值生成二值图，反转颜色让建筑区域为白色
_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 形态学开运算消除小噪声点（可选，根据图的噪声情况调整核大小）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

2. 精准筛选最大外轮廓 #

先过滤掉过小的噪声轮廓，再直接取面积最大的轮廓：

# 只提取最外层轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 过滤面积过小的轮廓（阈值根据你的图尺寸调整，比如1000像素）
min_area_threshold = 1000
filtered_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > min_area_threshold]

# 获取面积最大的轮廓
if filtered_contours:
    largest_contour = max(filtered_contours, key=lambda cnt: cv2.contourArea(cnt))
else:
    largest_contour = None  # 处理无有效轮廓的情况

3. 修复断裂的轮廓（如果边缘不连续） #

如果原图边缘有断裂导致外轮廓被拆分，可通过调整Canny阈值或形态学闭运算修复：

# 基于边缘检测的修复方案（如果坚持用Canny）
blur = cv2.GaussianBlur(gray, (5, 5), 0)
edges = cv2.Canny(blur, 30, 100)  # 降低阈值减少边缘断裂

# 闭运算连接断裂的边缘
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
edges = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)

# 再提取轮廓并筛选最大的
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
largest_contour = max(contours, key=lambda cnt: cv2.contourArea(cnt)) if contours else None

4. 后续点-in-contour判定 #

拿到最大外轮廓后，用OpenCV的pointPolygonTest函数即可判定任意点是否在建筑内部：

# 测试点(x, y)的位置
x, y = 100, 200
result = cv2.pointPolygonTest(largest_contour, (x, y), False)
# result > 0: 点在内部；result == 0: 点在轮廓上；result < 0: 点在外部

内容的提问来源于stack exchange，提问作者Geng Wang