如何使用OpenCV获取检测到的轮廓的(X,Y)坐标点

场景1：已生成二值边缘图 #

如果你已经通过Canny等算子得到了边缘二值图（边缘像素值为255，背景为0），直接提取所有非零像素坐标即可：

import cv2
import numpy as np

# 读取边缘图，或直接使用你代码中生成的边缘变量
edge_img = cv2.imread("edge_result.png", 0)
# 获取所有边缘点坐标，返回格式为 (y, x) 数组
edge_coords = np.column_stack(np.where(edge_img > 0))

# 遍历所有坐标
for y, x in edge_coords:
    print(f"x: {x}, y: {y}")

场景2：需要从原图提取绿色边界再获取坐标 #

如果还没有生成边缘图，先通过颜色分割提取绿色边界，再拿坐标：

import cv2
import numpy as np

# 读取原图
img = cv2.imread("original_image.jpg")
# 转HSV颜色空间方便提取绿色
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 绿色HSV阈值范围，可根据实际画面色调调整
lower_green = np.array([35, 43, 46])
upper_green = np.array([77, 255, 255])
# 生成绿色区域掩膜
mask = cv2.inRange(hsv, lower_green, upper_green)

# 提取所有绿色边缘点坐标
green_coords = np.column_stack(np.where(mask > 0))
for y, x in green_coords:
    print(f"x: {x}, y: {y}")

场景3：从轮廓检测结果直接获取所有坐标 #

如果你是通过cv2.findContours检测轮廓后再绘制的绿色边界，可直接在检测阶段就拿到全量坐标，不需要从绘制后的图二次提取，效率更高：

import cv2
import numpy as np

img = cv2.imread("original_image.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)

# 关键参数cv2.CHAIN_APPROX_NONE：保留所有轮廓点，不做压缩
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

for cnt in contours:
    for point in cnt:
        x, y = point[0]
        print(f"x: {x}, y: {y}")

优化建议 #

• 要获取尽可能多的坐标点，边缘检测前不要做高斯模糊，避免平滑丢失细节边缘点
• 如果存在噪点干扰，可先对掩膜/边缘图做形态学开运算，过滤孤立噪点后再提取坐标
• 轮廓检测时必须使用cv2.CHAIN_APPROX_NONE参数，默认的cv2.CHAIN_APPROX_SIMPLE会只保留轮廓端点，丢失大量中间坐标

内容的提问来源于stack exchange，提问作者khushtar neyazi