如何从二值图像中正确获取四个角点的坐标

你原有代码的核心错误是膨胀操作后没有使用处理后的dilated图像查找轮廓，而是继续使用原始输入的img，膨胀操作的优化效果完全没有生效。

正确实现逻辑 #

• 预处理：通过膨胀填充目标区域的零散孔洞，若目标区域为黑色、背景为白色，需先做反色处理，保证查找轮廓时目标为白色前景。
• 轮廓筛选：对查找出的所有轮廓按面积排序，取面积最大的轮廓作为目标四边形的轮廓，排除噪声干扰。
• 多边形拟合：对目标轮廓做多边形逼近，调整逼近精度参数，直到拟合得到4个顶点，即为所求的四个角点。
• 顶点排序（可选）：可根据坐标对四个角点按左上、右上、右下、左下的逻辑排序，方便后续调用。

完整可运行代码 #

import cv2
import numpy as np

# 读取二值图像，若读入的是三通道图需先转灰度再做二值化处理
img = cv2.imread('binary_img.png', 0)

# 膨胀操作填充小缺口
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(img, kernel, iterations=3)

# 使用膨胀后的图像查找轮廓
contours, hierarchy = cv2.findContours(dilated, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 筛选面积最大的目标轮廓，排除噪声
max_contour = max(contours, key=cv2.contourArea)

# 多边形逼近得到四个角点，epsilon系数可根据实际拟合效果微调
epsilon = 0.02 * cv2.arcLength(max_contour, True)
approx = cv2.approxPolyDP(max_contour, epsilon, True)

# 输出四个角点坐标，格式为[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]
corner_points = approx.squeeze().tolist()
print(corner_points)

如果拟合得到的顶点数量不是4，可适当调整epsilon的系数：系数越小拟合的顶点越多，系数越大顶点越少，调整到刚好输出4个点即可。

示例图像 #

你提供的二值示例图像如下：

内容的提问来源于stack exchange，提问作者Md. Rezwanul Haque