如何检测非规则形状轮廓，基于中心黑点锚点从图像中裁剪目标区域

你这个场景非常适合用漫水填充（洪水填充） 算法实现，核心逻辑是从中心锚点出发，遍历所有连通的内部区域，碰到预设的边界色就停止，完全不受形状规则度限制，对小边界孔洞也有不错的容错性，实现步骤如下：

前置优化 #

先把你预存的边界RGB值转成Python集合，查找效率比循环遍历Excel行高两个数量级：

import numpy as np
from PIL import Image
import pandas as pd

# 读取图像，加alpha通道方便后续输出透明背景
image = Image.open("你的图像路径").convert("RGBA")
rgb_arr = np.array(image.convert("RGB")) # 转numpy数组加速像素操作

# 读取预存边界色，转成集合格式
line_df = pd.read_excel("C:/Users/lines RGb.xlsx")
boundary_colors = set( (r,g,b) for r,g,b in zip(line_df.iloc[:,0], line_df.iloc[:,1], line_df.iloc[:,2]) )

步骤1：定位中心锚点 #

# 查找所有RGB值为(77,77,77)的锚点像素
target_anchor = (77,77,77)
anchor_pixels = np.argwhere(np.all(rgb_arr == target_anchor, axis=-1))
# 取众数作为中心坐标，注意numpy数组坐标为(y,x)，需要适配PIL的(x,y)格式
center_y = int(np.bincount(anchor_pixels[:,0]).argmax())
center_x = int(np.bincount(anchor_pixels[:,1]).argmax())

步骤2：漫水填充获取内部区域掩码 #

h, w = rgb_arr.shape[:2]
mask = np.zeros((h, w), dtype=bool) # 掩码规则：True表示属于地块内部
queue = [(center_x, center_y)]
mask[center_y, center_x] = True

# 8方向遍历，比4方向容错性更高，适配有小缺口的边界
directions = [(-1,-1), (-1,0), (-1,1), (0,-1), (0,1), (1,-1), (1,0), (1,1)]

while queue:
    x, y = queue.pop(0)
    for dx, dy in directions:
        nx = x + dx
        ny = y + dy
        # 跳过超出图像范围的坐标
        if 0 <= nx < w and 0 <= ny < h:
            # 跳过已标记、以及属于边界色的像素
            if not mask[ny, nx] and tuple(rgb_arr[ny, nx]) not in boundary_colors:
                mask[ny, nx] = True
                queue.append((nx, ny))

# 可选：处理边界小孔洞，做一次形态学闭运算补洞
from scipy.ndimage import binary_closing
mask = binary_closing(mask, structure=np.ones((3,3))).astype(bool)

步骤3：提取目标区域 #

两种输出方式按需选择：

方式1：保留不规则形状，背景透明 #

# 把掩码外的区域alpha通道设为0（透明）
alpha_arr = np.array(image.getchannel("A"))
alpha_arr[~mask] = 0
image.putalpha(Image.fromarray(alpha_arr))

# 可选：裁掉周围全透明的多余边距
bbox = image.getbbox()
cropped_img = image.crop(bbox)
cropped_img.save("输出路径.png")

方式2：仅裁出包含目标区域的最小外接矩形 #

# 找掩码的上下左右边界
ys, xs = np.where(mask)
min_x, max_x = xs.min(), xs.max()
min_y, max_y = ys.min(), ys.max()
cropped_img = image.crop((min_x, min_y, max_x, max_y))
cropped_img.save("输出路径.jpg")

适配特殊场景的优化方案 #

• 如果存在图像压缩导致的边界色偏，可以把精确颜色匹配改成颜色距离判断：计算当前像素和边界色的欧式距离，小于阈值就算是边界
• 如果边界孔洞较大，可以先提取所有边界色像素生成边界掩码，做闭运算补洞后再执行漫水填充

内容的提问来源于stack exchange，提问作者Benzo