如何从已识别的轮廓中获取曲线类线段的起止端点坐标

你之前采用极值点提取的方法仅对规则直线类轮廓有效，针对带弧度的曲线、不规则线段场景，可通过统计轮廓点邻域连通数的方法精准提取端点，原理是单像素宽度的轮廓端点仅存在1个相邻的轮廓点，中间线段点存在2个相邻轮廓点，交叉点存在2个以上相邻轮廓点。

具体实现步骤 #

• 对每个提取到的轮廓，生成单像素宽度的专属掩码图
• 遍历轮廓上的所有坐标点，统计每个点8邻域内属于当前轮廓的像素数量
• 筛选出邻域连通数为1的点，即为该轮廓的起止端点
• 若轮廓所有点连通数均为2，说明是闭合轮廓（如圆形、矩形外框），不存在端点可直接跳过

优化后的完整代码 #

import cv2
import numpy as np

# 8邻域偏移坐标
neighbors = [(-1,-1), (-1,0), (-1,1),
             (0,-1),          (0,1),
             (1,-1),  (1,0), (1,1)]

def get_contour_endpoints(contour, img_shape):
    # 生成当前轮廓的单像素掩码
    mask = np.zeros(img_shape[:2], dtype=np.uint8)
    cv2.drawContours(mask, [contour], -1, 255, 1)
    endpoints = []
    # 遍历轮廓所有点
    for point in contour:
        x, y = point[0]
        count = 0
        # 统计8邻域的轮廓像素数
        for dx, dy in neighbors:
            nx = x + dx
            ny = y + dy
            # 边界判断
            if 0 <= nx < img_shape[1] and 0 <= ny < img_shape[0]:
                if mask[ny, nx] == 255:
                    count +=1
        # 端点的邻域连通数为1
        if count == 1:
            endpoints.append((x,y))
    # 去重（避免噪声导致的重复点）
    endpoints = list(set(endpoints))
    return endpoints

# 加载图像
image = cv2.imread("你的图像本地路径.jpg")
img_shape = image.shape

# 灰度化+Canny边缘提取
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
edged = cv2.Canny(gray, 30, 200)

# 轮廓检测，保留所有轮廓点
contours, hierarchy = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

print(f"检测到的轮廓数量 = {len(contours)}")

# 遍历所有轮廓提取端点并绘制
for idx, cnt in enumerate(contours):
    endpoints = get_contour_endpoints(cnt, img_shape)
    print(f"轮廓{idx}的端点：{endpoints}")
    # 绘制端点，红色标记，半径5
    for (x,y) in endpoints:
        cv2.circle(image, (x,y), 5, (0,0,255), -1)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

cv2.imshow('结果', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

精度优化方案 #

如果测试中仍存在端点漏检、误检，可增加以下预处理步骤：

• 对Canny输出的边缘图做一次形态学开运算，去除细小噪声毛刺
• 对长度小于阈值的轮廓直接过滤，避免噪声轮廓干扰
• 针对轮廓点先使用cv2.approxPolyDP做轻度拟合，消除边缘抖动带来的邻域统计误差

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