如何删除已绘制轮廓外的背景 实现仅对纸箱进行尺寸测量

你可以直接按以下步骤实现需求，不需要改动原有aruco测量和YOLO检测的核心逻辑：

• 第一步：获取目标轮廓
  从YOLO的输出结果中拿到硬纸箱对应的闭合轮廓：如果用的是YOLO分割模型，直接取推理输出的分割轮廓点即可；如果用的是YOLO检测模型，拿检测框的四个顶点组成矩形轮廓，也可以在检测框划定的ROI区域内复用你原有aruco代码里的边缘检测、轮廓查找逻辑，拿到更贴合纸箱边缘的精确轮廓。
• 第二步：生成区域掩码
  新建一张和原始采集图像尺寸完全一致的单通道图，初始所有像素值设为0（全黑），调用OpenCV的轮廓绘制接口，将纸箱轮廓的内部区域全部填充为像素值255（白色），核心填充参数设置为thickness=cv2.FILLED。
• 第三步：抠取目标区域
  调用OpenCV的按位与接口，将原始图像和自身做与运算，传入上一步生成的掩码作为运算范围，输出结果就是轮廓外区域全部被剔除、仅保留轮廓内纸箱内容的处理后图像。
• 第四步：对接原有测量逻辑
  把处理完的无背景图像传入你原有的aruco尺寸测量流程即可，此时画面内不存在其他杂物，测量代码不会对无关物体做误检测。

如果你需要同时测量场景内的多个硬纸箱，只需要把YOLO输出的所有纸箱轮廓都在同一张掩码上填充为白色，再统一做一次按位与操作即可，不需要额外调整其他逻辑。

核心实现代码参考（基于OpenCV）：

import cv2
import numpy as np

# origin_img 为相机采集到的原始待测量图像
# carton_contours 为YOLO输出的所有硬纸箱对应的轮廓集合
# 1. 初始化全黑掩码
mask = np.zeros(origin_img.shape[:2], dtype=np.uint8)
# 2. 将所有纸箱轮廓区域填充为白色
cv2.drawContours(mask, carton_contours, -1, 255, thickness=cv2.FILLED)
# 3. 按掩码抠图，剔除轮廓外背景
target_only_img = cv2.bitwise_and(origin_img, origin_img, mask=mask)
# 后续将 target_only_img 传入aruco尺寸测量函数即可

补充说明：

• 如果不需要保留黑色背景，只需要在抠图完成后，把掩码值为0的位置的像素统一改成你需要的颜色（比如白色）即可，不会影响aruco标记识别和尺寸计算的精度。
• 如果出现轮廓边缘误裁剪的情况，给掩码做1-2个像素的膨胀操作再抠图，就能保证纸箱和aruco标记的边缘完整保留。

内容的提问来源于stack exchange，提问作者LogicLover90