如何使用OpenCV在任意轮廓内部获取任意数量的不同点位

方案1：掩码随机采样（最通用，实现简单） #

• 第一步：基于目标轮廓生成对应单通道掩码图，尺寸和原图像保持一致，用cv2.drawContours()方法，设置thickness=cv2.FILLED将轮廓内部填充为255、背景置为0。
• 第二步：提取掩码中所有像素值为255的坐标集合，直接调用np.where(mask == 255)即可得到全量合法内部点数组，所有点天然属于轮廓内部，无需额外判断。
• 第三步：根据你需要的点位数量N，对上述坐标数组做无放回随机采样，用np.random.choice()设置replace=False即可快速得到N个不重复的内部点位。

性能优化提示：如果图像尺寸极大、全量提取坐标内存开销过高，可以改用拒绝采样：随机生成图像范围内的坐标点，用cv2.pointPolygonTest(contour, (x,y), False)判断点是否在轮廓内部，结果大于0即为内部点，重复采样直到收集到足够的不重复点位即可，无需生成完整掩码。

方案2：三角剖分均匀采样（适合需要点位均匀分布的场景） #

• 第一步：对目标轮廓做Delaunay三角剖分，过滤掉轮廓外部的三角形，得到轮廓覆盖范围内的所有三角面片。
• 第二步：按每个三角面片的面积比例分配采样点数，面积越大的三角形分配的采样数越多，保证整体点位分布均匀。
• 第三步：用重心坐标法在每个三角形内生成随机点，生成的点天然属于三角面片也即轮廓内部，所有点位去重后即可得到最终结果。

选型参考：
仅需要随机内部点无分布要求优先选方案1，逻辑简单、无判断误差、速度快；需要点位避免扎堆、尽可能均匀覆盖轮廓内部的场景选方案2。

内容的提问来源于stack exchange，提问作者santi