基于Python和OpenCV实现通用形状填充及面积计算

你的问题核心是固定尺寸的形态学闭运算无法适配不同大小的形状/空洞，导致填充失效。以下是两种不依赖固定kernel、自适应不同形状的通用方案：

方案一：基于轮廓检测与填充 #

通过检测形状的外层轮廓，直接填充轮廓内部区域，完全适配任意形状的大小和空洞：

import cv2
import numpy as np

# 读取二值图像（假设输入为「白色轮廓+黑色内部/背景」，可根据实际调整）
image = cv2.imread('binary_image.png', cv2.IMREAD_GRAYSCALE)

# 可选：先做开运算去除小噪声，避免误检测小轮廓
noise_kernel = np.ones((3, 3), np.uint8)
clean_image = cv2.morphologyEx(image, cv2.MORPH_OPEN, noise_kernel)

# 反转图像（让轮廓为白色，背景为黑色，符合OpenCV轮廓检测的默认逻辑）
inv_image = cv2.bitwise_not(clean_image)

# 只检测最外层轮廓，忽略内部小轮廓（RETR_EXTERNAL参数）
contours, _ = cv2.findContours(inv_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 创建空白画布，填充轮廓内部为白色
filled_image = np.zeros_like(image)
cv2.drawContours(filled_image, contours, -1, (255), thickness=cv2.FILLED)

# 统计白色像素数（即形状面积）
total_area = cv2.countNonZero(filled_image)
print(f"形状总面积：{total_area}")

关键说明： #

• RETR_EXTERNAL参数确保只提取每个形状的最外层轮廓，不会把内部空洞当成独立轮廓；
• 开运算去噪是可选步骤，如果你的二值图像已经很干净可以跳过；
• 如果你的原始二值图像是「黑色轮廓+白色背景」，可以去掉反转图像的步骤，直接检测轮廓。

方案二：漫水填充法 #

通过填充图像的背景区域，再反转得到填充后的形状，适合背景区域明确的场景：

import cv2
import numpy as np

image = cv2.imread('binary_image.png', cv2.IMREAD_GRAYSCALE)
h, w = image.shape

# 复制图像作为填充画布
flood_canvas = image.copy()

# 创建比原图大2的掩膜，避免漫水填充时边界溢出
mask = np.zeros((h + 2, w + 2), np.uint8)

# 从左上角（假设是背景区域）开始漫水填充，将背景改为白色
cv2.floodFill(flood_canvas, mask, (0, 0), 255)

# 反转图像，此时原来的形状内部空洞会被填充为白色
filled_image = cv2.bitwise_not(flood_canvas)

# 统计面积
total_area = cv2.countNonZero(filled_image)
print(f"形状总面积：{total_area}")

关键说明： #

• 确保漫水填充的起始点（示例中是(0,0)）属于背景区域，如果你的图像背景不在角落，可以换其他背景点；
• 如果背景颜色不是0（黑色），需要调整cv2.floodFill的参数匹配背景色。

为什么原方案失效？ #

形态学闭运算依赖固定大小的kernel：

• 当形状内部空洞比kernel大时，无法完全填充；
• 当形状之间的间距比kernel小时，会把相邻形状合并成一个；
• 无法自适应不同大小、不同复杂度的形状。

内容的提问来源于stack exchange，提问作者Daniel Agam