如何按邻近度分组图像掩码坐标数组，提取单位置唯一坐标？

我正在开发一个程序，用于读取图像、掩码特定颜色（本次目标为棕色）并获取掩码区域的坐标，最终让鼠标移动至这些坐标并执行点击操作。以下是我已完成的代码：

import pyautogui as pygui
import cv2
import numpy as np

# 读取图像
image = cv2.imread("bloodweb.png")

# 定义BGR颜色范围（棕色）
lower_brown = np.array([29, 39, 52], dtype="uint8")
upper_brown = np.array([33, 44, 60], dtype="uint8")

# 创建二值掩码
mask = cv2.inRange(image, lower_brown, upper_brown)
# 生成掩码后的图像
output = cv2.bitwise_and(image, image, mask=mask) 

# 保存掩码图像
cv2.imwrite("bloodweb_mask.png", output)
# 读取掩码图像并转为灰度图
img = cv2.imread("bloodweb_mask.png")
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
img = img.astype(np.uint8)

# 获取掩码区域的所有非零坐标
coord = cv2.findNonZero(img)

目前通过cv2.findNonZero得到了大量彼此邻近的坐标，我希望每个独立的掩码区域仅保留一个坐标，方便后续鼠标移动至该位置并点击。

原始图像：

掩码图像：

解决方法：通过轮廓检测提取独立区域中心坐标 #

你可以利用OpenCV的轮廓检测功能，找出每个独立的棕色区域，然后计算每个区域的中心坐标，这样就能为每个区域得到唯一的点击坐标。同时可以优化代码流程，避免重复读写图像。

优化后的代码如下：

import pyautogui as pygui
import cv2
import numpy as np

# 读取图像
image = cv2.imread("bloodweb.png")

# 定义BGR颜色范围（棕色）
lower_brown = np.array([29, 39, 52], dtype="uint8")
upper_brown = np.array([33, 44, 60], dtype="uint8")

# 创建二值掩码
mask = cv2.inRange(image, lower_brown, upper_brown)

# 查找轮廓（只检测最外层轮廓）
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 存储每个区域的中心坐标
click_coords = []

for contour in contours:
    # 计算轮廓的外接矩形
    x, y, w, h = cv2.boundingRect(contour)
    # 计算中心坐标（外接矩形中心足够满足点击需求）
    center_x = x + w // 2
    center_y = y + h // 2
    click_coords.append((center_x, center_y))

# 测试：打印所有独立区域的中心坐标
for idx, (x, y) in enumerate(click_coords):
    print(f"区域{idx+1}的点击坐标：({x}, {y})")

# 后续可执行鼠标点击操作
# for x, y in click_coords:
#     pygui.moveTo(x, y)
#     pygui.click()

关键说明： #

• cv2.findContours使用cv2.RETR_EXTERNAL只提取最外层轮廓，避免嵌套轮廓干扰；cv2.CHAIN_APPROX_SIMPLE压缩轮廓点，减少计算量。
• 通过cv2.boundingRect获取轮廓的外接矩形，直接计算矩形中心作为点击坐标，简单高效，完全满足自动点击的需求。
• 去掉了重复读写掩码图像的步骤，直接基于原始mask处理，提升代码效率。

内容的提问来源于stack exchange，提问作者Aaron Lopes