基于OpenCV Python实现凹多边形图像裁剪

嘿，没问题！用OpenCV裁剪凹多边形包围的区域完全可以通过掩码法实现，不管是凸多边形还是凹多边形都适用。我给你一步步拆解并附上可直接运行的代码：

核心思路是先创建一个和原图像尺寸一致的掩码，把多边形区域填充为白色，再通过按位与操作保留原图像中掩码白色区域的内容，完美解决非矩形区域的裁剪需求。

具体步骤： #

• 步骤1：准备图像与多边形坐标
  先读取你的输入图像，然后把你给出的多边形坐标转换成OpenCV要求的格式：需要是numpy.int32类型的数组，并且调整形状为(-1, 1, 2)（这是OpenCV绘制/填充多边形的标准格式）。

• 步骤2：创建空白掩码
  生成一个和原图像尺寸相同的单通道空白图像，初始像素值全为0（黑色），后续我们会把多边形区域填充为255（白色）。

• 步骤3：填充多边形到掩码
  使用cv2.fillPoly()函数填充掩码的多边形区域，这个函数默认采用非零环绕填充规则，能正确识别并填充凹多边形的内部区域，不会出现填充不全的问题。

• 步骤4：掩码与原图像结合
  通过cv2.bitwise_and()函数，将原图像和掩码进行按位与操作，这样只有掩码中白色的区域（也就是多边形包围的部分）会被保留，其余区域变为黑色。

• 可选：提取最小包围矩形区域
  如果你不想保留周围的黑色区域，可以用cv2.boundingRect()找到多边形的最小外接矩形，然后从裁剪后的图像中截取这部分，得到只包含多边形内容的图像。

完整代码示例 #

import cv2
import numpy as np

# 1. 读取输入图像（替换成你的图像路径）
img = cv2.imread("your_image.jpg")
if img is None:
    print("无法读取图像，请检查路径是否正确！")
    exit()

# 2. 定义你提供的凹多边形坐标
polygon_points = np.array([[10,150],[150,100],[300,150],[350,100],[310,20],[35,10]], dtype=np.int32)
# 转换为OpenCV要求的形状：(-1, 1, 2)
polygon_points = polygon_points.reshape((-1, 1, 2))

# 3. 创建与图像尺寸相同的空白掩码（单通道，初始全黑）
mask = np.zeros(img.shape[:2], dtype=np.uint8)

# 4. 在掩码上填充多边形区域为白色（255）
cv2.fillPoly(mask, [polygon_points], 255)

# 5. 用掩码裁剪图像
cropped_img = cv2.bitwise_and(img, img, mask=mask)

# 可选：提取多边形的最小包围矩形区域，去掉周围黑色
x, y, w, h = cv2.boundingRect(polygon_points)
cropped_roi = cropped_img[y:y+h, x:x+w]

# 显示结果
cv2.imshow("原始图像", img)
cv2.imshow("掩码", mask)
cv2.imshow("裁剪结果（带黑色背景）", cropped_img)
cv2.imshow("裁剪结果（仅多边形区域）", cropped_roi)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键点说明 #

• cv2.fillPoly()对凹多边形的支持：这个函数不需要额外设置填充规则，默认就能正确处理凹多边形的内部填充，不用担心出现漏填或者填充错误的情况。
• 掩码的通用性：不管是规则的矩形、不规则的凸多边形还是凹多边形，掩码法都是最通用的裁剪方案，逻辑清晰且容易调试。
• 可选的ROI提取：如果你的应用场景不需要黑色背景，那boundingRect+切片的方式就能快速得到只包含目标区域的图像。

内容的提问来源于stack exchange，提问作者Himanshu Tiwari