基于OpenCV C++提取黑白图像中四边形的底部极端角点

嘿，我来帮你搞定这个提取四边形底部两个极端角点的问题！你之前的遍历方法效率低，其实可以借助OpenCV的轮廓处理工具来高效解决，下面是具体的思路和实现步骤：

不用遍历整个像素矩阵，而是先提取四边形的轮廓，再通过轮廓近似得到四边形的四个顶点，最后从顶点中筛选出底部的两个角点——这样既能保证准确性，又能大幅提升效率。

1. 提取四边形的轮廓 #

首先从二值化Mat中提取目标四边形的轮廓，因为你的图像里只有一个四边形，所以取最外层的主轮廓即可：

std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;
// 提取最外层轮廓，RETR_EXTERNAL只取最外层，CHAIN_APPROX_SIMPLE压缩轮廓点
cv::findContours(binaryMat, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);
// 取第一个轮廓（假设只有一个四边形）
std::vector<cv::Point> quadContour = contours[0];

2. 将轮廓近似为四边形顶点 #

因为原始轮廓可能有冗余点，用approxPolyDP把轮廓近似成4个顶点的多边形（也就是四边形本身）：

std::vector<cv::Point> quadVertices;
double epsilon = 0.02 * cv::arcLength(quadContour, true); // 轮廓周长的2%作为近似阈值
cv::approxPolyDP(quadContour, quadVertices, epsilon, true);
// 确保得到的是4个顶点（如果不是，可能需要调整epsilon或先做形态学处理）
assert(quadVertices.size() == 4);

3. 筛选底部的两个极端角点 #

OpenCV中图像的y轴是向下的，所以y值越大，位置越靠下。我们需要从4个顶点中找出y值最大的两个点，再区分左右：

// 先按y值从大到小排序，前两个就是最靠下的点
std::sort(quadVertices.begin(), quadVertices.end(), [](const cv::Point& a, const cv::Point& b) {
    return a.y > b.y;
});

cv::Point bottomLeft, bottomRight;
// 比较前两个点的x坐标，x小的是左下角，x大的是右下角
if (quadVertices[0].x < quadVertices[1].x) {
    bottomLeft = quadVertices[0];
    bottomRight = quadVertices[1];
} else {
    bottomLeft = quadVertices[1];
    bottomRight = quadVertices[0];
}

如果遇到两个点y值完全相同的情况（比如水平底边的四边形），这个逻辑也能正确区分左右。

4. 生成目标输出Mat #

创建两个和原始Mat同尺寸、同类型的Mat，初始化为0，然后分别将两个角点的位置设为1：

// 初始化结果Mat，全0
cv::Mat bottomLeftMat = cv::Mat::zeros(binaryMat.size(), binaryMat.type());
cv::Mat bottomRightMat = cv::Mat::zeros(binaryMat.size(), binaryMat.type());

// 将目标点设为1
bottomLeftMat.at<uchar>(bottomLeft.y, bottomLeft.x) = 1;
bottomRightMat.at<uchar>(bottomRight.y, bottomRight.x) = 1;

• 如果二值化图像有小噪点，可以先做形态学闭运算（cv::morphologyEx），填充小孔洞，确保轮廓提取的准确性；
• 如果轮廓近似得到的顶点数不是4，可以调整epsilon的值（比如改成0.01或0.03），或者检查二值化的效果，确保四边形是完整的连通区域。

这样处理下来，效率比遍历整个矩阵高太多了——毕竟轮廓的点数远少于图像的总像素数，尤其是大尺寸图像时差距会非常明显。

内容的提问来源于stack exchange，提问作者abdnChap