如何在Python OpenCV中优化轮廓以获得平滑闭合的圆形形状？

核心逻辑是利用你最终需要的是圆形的先验，直接基于有效轮廓点拟合标准外接圆，一步解决顶部畸变、缺口填补、闭合三个需求，不需要对原始轮廓做复杂的逐点修正。

具体实现步骤 #

• 先收集所有符合面积筛选条件的轮廓坐标点
• 可选操作：过滤掉顶部属于进料管干扰的异常点，避免这部分点影响拟合结果
• 调用OpenCV内置的最小外接圆拟合接口得到标准圆形参数
• 绘制最终的闭合圆形即可

可直接运行的修改后代码 #

contours, hierarchy = cv2.findContours(mask1, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
all_valid_points = []

if len(contours) != 0:
    for contour in contours:
        if cv2.contourArea(contour) > 500:
            # 提取当前轮廓的所有坐标点存入列表
            all_valid_points.extend(contour[:, 0, :].tolist())

all_valid_points = np.array(all_valid_points, dtype=np.int32)

# 过滤顶部畸变区域：去掉y坐标最小的前5%的点，阈值可根据实际畸变范围调整
y_coords = all_valid_points[:, 1]
top_filter_threshold = np.percentile(y_coords, 5)
filtered_points = all_valid_points[all_valid_points[:, 1] > top_filter_threshold]

# 拟合最小外接圆，自动得到标准圆形参数
(circle_x, circle_y), radius = cv2.minEnclosingCircle(filtered_points)
center = (int(circle_x), int(circle_y))
radius = int(radius)

# 绘制最终的闭合圆形
cv2.circle(cropped_img, center, radius, (0, 0, 255), 2)

cv2.imshow("optimized result", cropped_img)
cv2.waitKey(0)

参数调整说明 #

• 若顶部畸变区域占比更大，可将percentile的第二个参数从5调整为8_{10，若畸变区域很小可以调整为2}3
• 如果轮廓整体畸变非常轻微，也可以跳过过滤步骤，直接用all_valid_points拟合圆，接口本身会弱化局部异常点的影响

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