OpenCV从图像生成二值掩码：findContours未检测到轮廓问题求助

问题原因 #

你当前代码无法检测到轮廓的核心问题是没有做二值化预处理：cv2.findContours仅支持处理二值图像，要求目标前景为白色、背景为黑色，直接传入8位灰度图时，算法无法区分前景和背景区域，因此没有返回有效轮廓。

解决步骤 #

不需要强制使用Canny算法做预处理，针对你的需求直接做阈值二值化即可实现，完整流程如下：

1. 读取灰度图后先做高斯模糊去噪，避免杂点干扰轮廓检测
2. 用OTSU自动阈值法对图像做二值化处理
3. 查找所有外部轮廓，遍历计算每个轮廓的面积，筛选出面积最大的轮廓
4. 将最大轮廓填充为白色，其余区域保留黑色，即可得到目标二值掩码

修正后可运行代码 #

import numpy as np 
import cv2
from skimage import io

# 读取灰度图
im = cv2.imread('train_1.jpg', 0)
# 高斯模糊去噪
blur = cv2.GaussianBlur(im, (5, 5), 0)
# OTSU自动阈值二值化，若目标区域为亮色、背景为暗色，可删掉_INV参数
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# 查找外部轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 筛选面积最大的轮廓
max_contour = max(contours, key=cv2.contourArea)
# 生成掩码：填充最大轮廓为白色
mask = np.zeros_like(im)
cv2.drawContours(mask, [max_contour], -1, 255, thickness=cv2.FILLED)
# 显示结果
io.imshow(mask)
io.show()
# 保存掩码
cv2.imwrite('mask.jpg', mask)

补充说明 #

如果二值化后杂点过多，也可以先用Canny边缘检测替代阈值二值化，后续的轮廓筛选、填充逻辑保持一致即可。

内容的提问来源于stack exchange，提问作者Сalendula