Python中如何将cv2.findContour返回的零散小轮廓合并为平滑SVG路径

核心解决思路 #

针对你无法提前对图像做模糊阈值处理、需要先提取零散轮廓再合并的需求，可按以下步骤实现：

• 第一步：轮廓归属分组。对每个小轮廓提取首尾端点，计算不同轮廓端点之间的欧氏距离，距离小于你设置的间隙阈值的轮廓归为同一组；可额外增加端点切线方向夹角的判断条件，避免合并不相关的轮廓，解决你无法判断哪些子集需要合并的问题。
• 第二步：同组点集排序。把同一组所有轮廓的点按曲线走向排序，避免插值时出现路径错乱，简单走向的曲线可直接按坐标排序，复杂走向可用K近邻递推逻辑排序。
• 第三步：平滑拟合生成连续路径。使用B样条插值对排序后的点集做平滑处理，可通过平滑因子参数平衡细节保留和曲线平滑度。
• 第四步：导出为SVG矢量路径。直接将拟合后的曲线节点转为SVG路径语法即可导出。

所需Python库 #

• 轮廓处理：opencv-python（你当前已在使用的cv2库）
• 数值计算与距离匹配：numpy
• 平滑插值：scipy
• SVG导出：svgwrite

核心实现代码示例 #

import cv2
import numpy as np
from scipy.interpolate import splprep, splev
import svgwrite

# 你已通过cv2.findContours得到的轮廓列表
# contours = 你的轮廓返回值

# 提取单个轮廓的首尾端点
def get_contour_ends(contour):
    epsilon = 0.001 * cv2.arcLength(contour, closed=False)
    approx = cv2.approxPolyDP(contour, epsilon, closed=False)
    return approx[0][0], approx[-1][0]

ends_list = [get_contour_ends(c) for c in contours]

# 按端点间隙分组，间隙阈值可根据你的图像分辨率调整
GAP_THRESHOLD = 5 # 单位为像素，按实际间隙大小修改
groups = []
used = [False] * len(contours)

for i in range(len(contours)):
    if used[i]:
        continue
    current_group = [i]
    used[i] = True
    # 迭代查找所有符合间隙要求的关联轮廓
    while True:
        found = False
        for j in range(len(contours)):
            if used[j]:
                continue
            # 计算两组轮廓四个端点的最小距离
            group_ends = [ends_list[k][0] for k in current_group] + [ends_list[k][1] for k in current_group]
            curr_ends = [ends_list[j][0], ends_list[j][1]]
            min_dist = min(np.linalg.norm(g_e - c_e) for g_e in group_ends for c_e in curr_ends)
            if min_dist < GAP_THRESHOLD:
                current_group.append(j)
                used[j] = True
                found = True
        if not found:
            break
    groups.append(current_group)

# 对每组点集做平滑拟合
smooth_contours = []
for group in groups:
    # 拼接组内所有轮廓的点
    points = np.vstack([contours[i].squeeze() for i in group])
    # 此处可替换为你需要的排序逻辑，简单曲线按x坐标排序即可
    points = points[np.argsort(points[:,0])]
    # B样条插值，s为平滑因子，数值越大曲线越平滑
    tck, u = splprep([points[:,0], points[:,1]], s=2)
    x_new, y_new = splev(np.linspace(0,1,1000), tck)
    smooth_contour = np.vstack((x_new, y_new)).T.astype(np.int32)
    smooth_contours.append(smooth_contour)

# 导出为SVG文件
dwg = svgwrite.Drawing('output.svg', profile='tiny')
for cnt in smooth_contours:
    path_data = "M " + " L ".join([f"{p[0]},{p[1]}" for p in cnt])
    dwg.add(dwg.path(d=path_data, stroke='black', fill='none', stroke_width=1))
dwg.save()

注意事项 #

• 间隙阈值GAP_THRESHOLD和平滑因子s需要根据你的图像实际分辨率、间隙大小调整，避免误合并不相关轮廓或者丢失细节。
• 如果需要处理闭合轮廓，可在splprep方法中增加per=True参数实现闭合曲线拟合，同时将导出的SVG路径闭合即可。
• 曲线走向复杂的场景下，可将点集排序逻辑替换为：从任意起始点开始，每次找距离当前最后一个点最近的未加入点，递推完成排序，适配任意走向的曲线。

内容的提问来源于stack exchange，提问作者Greg