如何用Python+OpenCV仅保留图像中物体的外边缘？

针对你遇到的问题（用腐蚀操作得到的结果包含内部亮区，阈值和普通边缘检测无法满足需求），推荐两种高效的OpenCV实现方案：

方法一：提取最外层轮廓并绘制 #

该方法直接定位物体的外边界，完全忽略内部细节，适合只保留外边缘的需求：

import cv2
import numpy as np

# 读取灰度图像
im = cv2.imread(im_path, cv2.IMREAD_GRAYSCALE)

# 可选：高斯模糊减少噪声，避免误检测微小轮廓
im_blur = cv2.GaussianBlur(im, (3, 3), 0)

# Otsu自动二值化，自动区分物体与背景
_, im_binary = cv2.threshold(im_blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 仅查找最外层轮廓（RETR_EXTERNAL参数会忽略所有内部轮廓）
contours, _ = cv2.findContours(im_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 创建与原图尺寸一致的空白图像
outer_edge = np.zeros_like(im)

# 绘制外轮廓，thickness参数可调整边缘粗细
cv2.drawContours(outer_edge, contours, -1, 255, thickness=1)

# 查看结果
cv2.imshow("Outer Edge", outer_edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

方法二：形态学边缘检测结合轮廓筛选 #

如果不想依赖二值化，可先提取所有边缘，再通过轮廓面积过滤掉内部小边缘：

import cv2
import numpy as np

im = cv2.imread(im_path, cv2.IMREAD_GRAYSCALE)

# 用形态学梯度提取所有边缘（膨胀图像与腐蚀图像的差值）
kernel = np.ones((3,3), np.uint8)
morph_edge = cv2.morphologyEx(im, cv2.MORPH_GRADIENT, kernel)

# 二值化边缘图像，分离边缘与背景
_, edge_binary = cv2.threshold(morph_edge, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 查找所有轮廓，按面积从大到小排序
contours, _ = cv2.findContours(edge_binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)

outer_edge = np.zeros_like(im)
# 绘制面积最大的轮廓（即物体外边缘），多物体场景可绘制前N个
cv2.drawContours(outer_edge, [contours[0]], -1, 255, thickness=1)

# 查看结果
cv2.imshow("Outer Edge", outer_edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

方案说明 #

你之前用im - im_eroded得到的结果，会保留所有原图比腐蚀后更亮的区域——包括外边缘和内部亮纹，因为内部亮纹在腐蚀后灰度值下降，差值会被保留。而上述两种方法通过轮廓层级筛选或面积过滤，直接定位外边界，不受内部细节干扰。

内容的提问来源于stack exchange，提问作者Johan hvn