Python OpenCV仅放大图像指定对象及外扩边界实现方法

核心逻辑是不改动整图尺寸，单独提取原有黄色边界对应的目标轮廓，对轮廓做坐标偏移实现外扩，再直接在原图画布上绘制红边，完全避开整图缩放的问题。

实现步骤 #

• 提取黄色边界轮廓：将图像转HSV颜色空间，通过黄色阈值分割生成黄边掩码，从掩码中提取最外层的目标轮廓，过滤掉小噪点轮廓。
• 轮廓外扩20像素：根据目标形状选择对应外扩方式：矩形目标直接对外接矩形的四边各向外偏移20像素，同时做边界截断防止坐标超出图像范围；不规则多边形目标则基于轮廓形心，将每个轮廓点沿形心到点的射线方向外推20像素，保证所有边角均匀外扩。
• 绘制红色边界：直接在原图上用OpenCV的绘图函数绘制外扩后的轮廓，线宽设置略大于原有黄边，颜色选BGR通道的纯红色(0,0,255)，全程不修改原图分辨率。
• 轮廓预处理优化：如果提取到的黄边掩码有断裂、缺口，先使用形态学闭运算补全闭合轮廓，避免外扩后形状错位。

核心实现代码 #

import cv2
import numpy as np

# 读取输入图像
img = cv2.imread("your_input_img.png")
img_h, img_w = img.shape[:2]
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 黄色HSV阈值，可根据实际黄边的明暗微调
yellow_lower = np.array([18, 80, 80])
yellow_upper = np.array([42, 255, 255])
yellow_mask = cv2.inRange(hsv_img, yellow_lower, yellow_upper)

# 可选：形态学闭运算补全黄边断裂
kernel = np.ones((5,5), np.uint8)
yellow_mask = cv2.morphologyEx(yellow_mask, cv2.MORPH_CLOSE, kernel)

# 提取黄边对应的外轮廓
contours, _ = cv2.findContours(yellow_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 取面积最大的轮廓作为目标轮廓，过滤小黄点噪点
target_contour = max(contours, key=cv2.contourArea)

# --- 矩形目标外扩+绘红边 ---
x, y, rect_w, rect_h = cv2.boundingRect(target_contour)
# 各边外扩20像素，做边界防越界截断
x1 = max(0, x - 20)
y1 = max(0, y - 20)
x2 = min(img_w, x + rect_w + 20)
y2 = min(img_h, y + rect_h + 20)
# 绘制3像素宽的红边
cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), thickness=3)

# --- 不规则多边形目标外扩+绘红边（和上面的矩形方案二选一即可）---
# # 计算轮廓形心
# M = cv2.moments(target_contour)
# cx = int(M["m10"] / M["m00"])
# cy = int(M["m01"] / M["m00"])
# expanded_points = []
# for p in target_contour:
#     px, py = p[0]
#     # 计算点到形心的方向向量
#     dx, dy = px - cx, py - cy
#     point_dist = np.sqrt(dx**2 + dy**2)
#     # 沿方向外推20像素
#     new_px = int(px + (dx / point_dist) * 20)
#     new_py = int(py + (dy / point_dist) * 20)
#     # 坐标越界截断
#     new_px = max(0, min(img_w - 1, new_px))
#     new_py = max(0, min(img_h - 1, new_py))
#     expanded_points.append([[new_px, new_py]])
# expanded_contour = np.array(expanded_points, dtype=np.int32)
# # 绘制3像素宽的红边
# cv2.drawContours(img, [expanded_contour], -1, (0, 0, 255), thickness=3)

# 保存输出图像，尺寸和输入图完全一致
cv2.imwrite("output_result.png", img)

提示：如果不需要保留原有黄色边界，可以在提取黄边轮廓后，先把原黄边位置的像素用邻域背景填充，再绘制红边即可。

内容的提问来源于stack exchange，提问作者Abbas Khan