如何在Python中从系列图像生成可用于重绘的(x,y)坐标集

你的需求完全可实现，针对黑白描边的栅格图像场景有成熟的落地方案，最终输出的坐标默认支持左上角为(0,0)的坐标系，完全匹配iOS、Android端的绘图坐标系规则，可直接用于跨端重绘。

整个流程的本质是栅格图像矢量化：先从像素级提取描边的轮廓位置，再对坐标点做精简优化，最终输出有序的坐标点集。因为你的输入绝大多数是黑白图像，不需要做复杂的前景分割，处理准确率和效率都很高。

优先推荐用OpenCV + Numpy的组合实现，依赖安装简单，处理逻辑轻量，生产环境验证成熟。

依赖安装 #

执行以下命令安装依赖包：
pip install opencv-python numpy

示例代码 #

import cv2
import numpy as np

# 1. 读取输入图像，支持jpg、png格式
image = cv2.imread("你的输入图像路径.jpg")
# 2. 转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 3. 二值化处理，将描边和背景完全分离，阈值可根据实际图像亮度调整
_, binary = cv2.threshold(gray, thresh=127, maxval=255, type=cv2.THRESH_BINARY_INV)
# 4. 提取轮廓，默认坐标系为左上角(0,0)，x轴向右延伸，y轴向下延伸
# RETR_EXTERNAL：只提取最外层轮廓，CHAIN_APPROX_SIMPLE：自动压缩冗余的共线点
contours, _ = cv2.findContours(binary, mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE)

# 5. 处理并输出坐标集
output_coords = []
for contour in contours:
    # 可选：进一步精简坐标点，epsilon数值越大，保留的点越少，可按需调整
    epsilon = 0.001 * cv2.arcLength(contour, closed=True)
    simplified_contour = cv2.approxPolyDP(contour, epsilon, closed=True)
    # 转换为[(x1,y1), (x2,y2)...]的标准格式
    point_list = simplified_contour.squeeze().tolist()
    output_coords.append(point_list)

# 打印输出，也可以按需导出为JSON、CSV等格式供移动端使用
for index, points in enumerate(output_coords):
    print(f"描边{index+1}坐标集：{points}")

• 如果你的描边有明显粗细，提取结果会出现内外两条轮廓，只需要中心描边的话，可以在二值化后加一步骨架提取，调用cv2.ximgproc.thinning(binary)即可得到1像素宽的中心描边，再提取坐标就不会出现重复轮廓。
• 如果图像有噪点，可以在转灰度图后加一步高斯模糊过滤噪点：gray = cv2.GaussianBlur(gray, (3,3), 0)，避免提取到多余的无效轮廓。
• 输出的坐标是和原图像素一一对应的，需要适配不同尺寸的移动端屏幕时，只要给所有坐标值乘以统一的缩放系数即可。

内容的提问来源于stack exchange，提问作者Paul