基于OpenCV实现图像掩码转几何形状并计算各边长度的问题

你原有方案的问题是仅提取了轮廓的四个方向极值点，无法得到多边形的全部顶点，我们可以通过轮廓多边形拟合方法实现需求，修改后的完整代码如下：

import cv2
import math

def getCalculatedImg():
    # 加载图像
    img = cv2.imread('img.jpg')
    gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 阈值处理得到二值图
    ret, thresh = cv2.threshold(gray_image, 50, 255, cv2.THRESH_BINARY)

    # 查找轮廓，取最大面积轮廓
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    c = max(contours, key=cv2.contourArea)

    # 多边形拟合获取所有顶点
    # 计算轮廓周长作为精度参数依据
    perimeter = cv2.arcLength(c, True)
    # 0.01为拟合精度系数，可根据实际效果调整
    epsilon = 0.01 * perimeter
    approx_vertices = cv2.approxPolyDP(c, epsilon, True)
    # 转换为坐标列表格式
    vertices = [tuple(point[0]) for point in approx_vertices]
    vertex_count = len(vertices)

    # 绘制连线、顶点、计算边长
    edge_lengths = []
    for i in range(vertex_count):
        # 当前顶点和下一个顶点（最后一个顶点连回第一个顶点闭合）
        p1 = vertices[i]
        p2 = vertices[(i+1) % vertex_count]
        # 绘制边
        cv2.line(img, p1, p2, (36, 255, 12), 2)
        # 绘制顶点
        cv2.circle(img, p1, 8, (0, 50, 255), -1)
        # 计算边长（欧氏距离，单位为像素）
        length = math.hypot(p2[0] - p1[0], p2[1] - p1[1])
        edge_lengths.append(round(length, 2))
        # 可选：将边长标注在图上
        mid_x = (p1[0] + p2[0]) // 2
        mid_y = (p1[1] + p2[1]) // 2
        cv2.putText(img, f"{edge_lengths[-1]}px", (mid_x, mid_y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 0, 0), 2)

    # 输出信息
    print(f"多边形顶点总数：{vertex_count}")
    print(f"所有顶点坐标：{vertices}")
    print(f"各边长度（像素）：{edge_lengths}")

    # 保存结果
    cv2.imwrite('outlined_boundered_image.jpg', img)
    return img

参数调整说明 #

• 拟合精度系数：代码中epsilon = 0.01 * perimeter里的0.01可根据需求调整，数值越小拟合得到的顶点越多、越贴近原始轮廓，数值越大顶点越少、多边形简化程度越高
• 单位换算：当前计算得到的边长单位为像素，如果需要转换为实际物理长度，需要提前获取图像的像素比例尺做换算

内容的提问来源于stack exchange，提问作者user16731999