如何去除OpenCV图像处理中图像边缘的多余轮廓

通过OpenCV脚本处理PyTorch导出的张量图像时，检测绘制轮廓的结果中会额外出现黑色背景与紫色像素区域交界的外边框轮廓，需要消除该无效轮廓。
原有实现核心逻辑：将PyTorch张量转为numpy数组做归一化、色彩空间转换后，经阈值处理、Canny边缘检测、外轮廓查找，最终在原图上绘制轮廓。

调用cv2.findContours时使用cv2.RETR_EXTERNAL参数，会提取所有层级为最外层的闭合轮廓，而图像内黑色背景与紫色内容的交界刚好是整幅图中面积最大的最外层闭合轮廓，因此会被纳入检测结果并绘制出来。

以下两种方案二选一即可，均能过滤掉边界处的无效轮廓：

• 方案1：轮廓面积过滤
  背景交界的外轮廓面积远大于所有内部有效轮廓，拿到轮廓列表后先按面积阈值过滤，排除掉尺寸过大的外边框轮廓即可，阈值可根据实际效果微调。
  替换原有轮廓绘制部分的代码即可：

  contours,_ = cv2.findContours(c_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
  # 新增轮廓过滤逻辑
  img_h, img_w = img.shape[:2]
  valid_contours = []
  for cnt in contours:
      cnt_area = cv2.contourArea(cnt)
      # 过滤掉占图像总面积10%以上的超大外轮廓，阈值可按需调整
      if cnt_area < 0.1 * img_h * img_w:
          valid_contours.append(cnt)
  # 仅绘制过滤后的有效轮廓
  drawContour = cv2.drawContours(img, valid_contours, -1, (255,0,0), 1)
  

• 方案2：预处理阶段屏蔽图像边界
  在做边缘检测前先给图像四周加1像素宽的纯黑（与背景同色）边框，直接覆盖掉图像内容和画布边缘的交界，从源头避免Canny检测到该边界的边缘，处理完成后再裁掉加的边框即可，不需要调面积阈值，不会误删内部大尺寸有效轮廓。
  在色彩空间转换后插入加边框的逻辑，最后裁边即可：

  img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
  # 新增：给四周加1像素黑边
  img = cv2.copyMakeBorder(img, 1, 1, 1, 1, cv2.BORDER_CONSTANT, value=(0,0,0))
  
  _,t_img = cv2.threshold(img,90,155,cv2.THRESH_TOZERO_INV)
  c_img = cv2.Canny(t_img,10,100)
  contours,_ = cv2.findContours(c_img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
  drawContour = cv2.drawContours(img,contours,-1,(255,0,0),1)
  # 新增：裁掉之前加的边框
  drawContour = drawContour[1:-1, 1:-1, :]
  
  plt.imshow(img)
  

如果图像内部不存在占画面比例超过10%的大轮廓，选方案1改动最小；如果内部存在大尺寸的有效轮廓，优先选方案2，不会出现误过滤的问题。

内容的提问来源于stack exchange，提问作者Murtaza