如何使用Python+OpenCV提取图像外围折线的x,y坐标值

• 阈值处理逻辑错误：你使用的cv2.THRESH_BINARY默认将亮白色区域判定为前景，而目标折线为深色、背景为浅色，阈值处理后会把背景识别为前景，无法正确抓取折线轮廓。
• 轮廓检索模式选型错误：cv2.RETR_TREE会返回所有层级的轮廓，包含大量内部杂线轮廓，你需要的外围折线属于最外层轮廓，不需要检索内部层级。
• 坐标提取逻辑错误：你当前存储的是轮廓外接矩形的左上角坐标，不是折线本身的拐点坐标，cv2.boundingRect只能拿到矩形的四个顶点，完全无法获取折线的各个折点坐标。
• 面积过滤逻辑冗余：你过滤了小于200的轮廓，但是最外层折线的连通轮廓面积远大于该阈值，过滤逻辑没有结合层级判断，反而可能残留内部小杂点轮廓。

import cv2
import numpy as np

def get_perimeter_poly_coords(img_path):
    # 读取灰度图
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    # 阈值反转：将深色折线转为前景白色，浅色背景转为黑色
    _, threshold = cv2.threshold(img, 110, 255, cv2.THRESH_BINARY_INV)
    # 形态学开运算去除小噪点，避免干扰轮廓检测
    kernel = np.ones((3,3), np.uint8)
    threshold = cv2.morphologyEx(threshold, cv2.MORPH_OPEN, kernel, iterations=1)
    # 仅检索最外层轮廓，用简单逼近压缩冗余坐标点
    contours, hierarchy = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    all_poly_points = []
    for c in contours:
        # 仅过滤极小的噪点轮廓，阈值可根据你的图像尺寸调整
        if cv2.contourArea(c) <= 200:
            continue
        # 轮廓多边形逼近，去除共线冗余点，拿到折线实际拐点
        # epsilon参数控制逼近精度，数值越大保留的拐点越少
        epsilon = 0.001 * cv2.arcLength(c, True)
        approx_poly = cv2.approxPolyDP(c, epsilon, True)
        # 转换坐标格式为(x,y)元组列表
        poly_points = [tuple(point[0]) for point in approx_poly]
        all_poly_points.extend(poly_points)
    return all_poly_points

# 调用示例
if __name__ == "__main__":
    coords = get_perimeter_poly_coords('floorplan.jpg')
    print(coords)

• 阈值类型替换为cv2.THRESH_BINARY_INV，反转前景背景判定规则，保证折线被识别为轮廓检测的目标对象
• 轮廓检索模式替换为cv2.RETR_EXTERNAL，直接过滤所有内部轮廓，仅保留最外层的外围折线轮廓
• 用cv2.approxPolyDP做轮廓多边形逼近，可通过调整epsilon参数控制坐标精度，直接拿到折线本身的拐点坐标，而非外接矩形坐标
• 新增形态学滤波步骤，消除图像小噪点生成的无效轮廓

内容的提问来源于stack exchange，提问作者Nourdine