如何将OpenCV识别的轮廓形状复制到空白画布（Python）

嘿，我完全懂你为啥不想用 bounding box 这类方案——之前我也试过，要么会把多余的空白区域带进来，要么没法完美贴合轮廓形状。既然你已经知道 OpenCV 图像本质就是 Numpy 数组，那咱们直接用掩码操作+坐标映射来搞定，精准复制蓝色轮廓到40×40的白色画布，完全贴合形状，没有多余部分。

核心思路 #

我们的目标是把原图像中填充为蓝色的轮廓区域，精准“抠”出来放到空白画布上。核心步骤是：

• 生成只包含该轮廓的掩码（相当于给形状打个专属标记）
• 通过掩码从原图像中提取出蓝色形状的像素
• 把提取到的形状映射到空白画布的合适位置（这里默认居中，你也可以改任意位置）

修改后的完整代码 #

把下面的代码替换你的原有代码，就能实现需求：

import numpy as np
import cv2

# 创建40×40像素的白色画布
blank_image = np.zeros((40,40,3), np.uint8)
blank_image.fill(255)

# 读取图像并识别轮廓
im = cv2.imread('img.png')
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)

# 兼容OpenCV3和4的findContours返回值差异
try:
    _, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
except ValueError:
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cnt = contours[4]
# 在原图像上填充蓝色轮廓
cv2.drawContours(im, [cnt], 0, (255,0,0), -1)

# -------------------------- 关键复制逻辑 --------------------------
# 1. 创建轮廓掩码：只保留cnt对应的区域
mask = np.zeros_like(imgray)
cv2.drawContours(mask, [cnt], 0, 255, -1)

# 2. 从原图像中提取蓝色形状区域
blue_shape = cv2.bitwise_and(im, im, mask=mask)

# 3. 将形状映射到空白画布（这里选择居中放置）
x, y, w, h = cv2.boundingRect(cnt)
canvas_h, canvas_w = blank_image.shape[:2]

# 计算形状在画布上的起始坐标，让形状居中
start_x = (canvas_w - w) // 2
start_y = (canvas_h - h) // 2

# 处理形状尺寸超出画布的情况，避免数组索引错误
end_x = min(start_x + w, canvas_w)
end_y = min(start_y + h, canvas_h)
crop_w = end_x - start_x
crop_h = end_y - start_y

# 裁剪原形状的有效区域，复制到空白画布
blank_image[start_y:end_y, start_x:end_x] = blue_shape[y:y+crop_h, x:x+crop_w]
# -------------------------------------------------------------------

# 显示结果
cv2.imshow('原图像（带蓝色轮廓）', im)
cv2.imshow('空白画布（已复制形状）', blank_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 打印轮廓坐标（你原有的需求）
for a in cnt:
    print(a)

代码说明 #

• 掩码生成：mask 是一个和原图像灰度图同尺寸的单通道数组，只有轮廓区域是白色（255），其余都是黑色（0），这样就能精准定位我们要复制的形状。
• 提取形状：cv2.bitwise_and 操作会只保留掩码为白色区域的像素，也就是原图像中的蓝色轮廓部分，完全不会带多余区域。
• 坐标映射：通过计算轮廓的外接矩形尺寸，我们把形状放到空白画布的中心，同时处理了形状超出画布的情况，避免出现数组索引越界的错误。

这个方法完全基于 Numpy 数组的切片和位操作，没有使用你不想用的 bounding box 裁剪，而是精准复制轮廓的形状，完美贴合你的需求。

内容的提问来源于stack exchange，提问作者lucians