opencv-python 如何用findContours检测的轮廓填充指定区域白色制作掩码

当设置thickness=-1无法得到预期填充效果时，问题通常出在轮廓提取、筛选或参数传参环节，而非填充参数本身的逻辑错误，可按照以下流程调整实现。

常见填充失效诱因 #

• 轮廓检索模式选择不当，提取到的轮廓范围与目标两个区域不匹配
• 未对检测到的轮廓做筛选，误将背景大轮廓、噪点小轮廓传入绘制函数
• OpenCV版本适配错误，提取轮廓时取数维度错位，传入绘制函数的轮廓参数格式不合法
• 填充用的掩码图层尺寸、通道类型和轮廓所在坐标系不匹配，导致填充位置偏移

标准化实现步骤 #

1. 预处理分离目标区域
   对输入图做灰度转换、二值化处理，将两个目标区域和背景明确分离，避免细碎噪点被识别为独立轮廓。如果目标区域存在内部细小缝隙，可搭配3x3结构元的形态学闭运算补全连通域。
2. 适配版本提取轮廓
   根据OpenCV版本调整cv2.findContours()的返回值取值逻辑，统一使用cv2.RETR_EXTERNAL检索模式提取最外层连通轮廓，避免嵌套轮廓的层级干扰：
   • OpenCV 4.x及以上版本：contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
   • OpenCV 3.x版本：_, contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
3. 筛选匹配目标的轮廓
   遍历所有提取到的轮廓，通过轮廓面积、外接矩形位置匹配需要填充的两个目标区域，剔除面积过小的噪点轮廓、面积过大的背景轮廓。可通过打印单轮廓面积值，确定目标区域对应的合理面积区间。示例筛选逻辑：

   selected_contours = []
   for cnt in contours:
       area = cv2.contourArea(cnt)
       # 根据实际场景调整面积阈值范围
       if 1000 < area < 10000:
           selected_contours.append(cnt)
   

4. 初始化掩码完成填充
   创建和原图空间尺寸完全一致的单通道全黑uint8类型掩码，将筛选得到的目标轮廓传入绘制函数，设置thickness=-1完成实心白色填充：

   import numpy as np
   # 初始化与原图同尺寸的黑色单通道掩码
   mask = np.zeros(original_img.shape[:2], dtype=np.uint8)
   # 逐个填充选中的目标轮廓
   for cnt in selected_contours:
       cv2.drawContours(mask, [cnt], contourIdx=-1, color=255, thickness=-1)
   

易踩的细节坑 #

• 单个轮廓传入drawContours()时，必须包裹在列表结构中，不能直接传单个轮廓数组，否则会触发坐标解析错误，出现填充错位
• 不要把所有检测到的轮廓一次性传入填充，若图像最外层边框被识别为轮廓，会导致整个掩码被全部填白
• 不要直接在原图上做填充操作制作掩码，需单独创建空白掩码图层作为绘制底图，避免破坏原图像素信息
• cv2.RETR_EXTERNAL模式会忽略轮廓内部的孔洞，适合实心连通区域的掩码生成；若需要保留孔洞形状，可替换为cv2.RETR_CCOMP层级检索模式

内容的提问来源于stack exchange，提问作者KutengF