图像边缘检测转3D挤压：如何获取可用的x、y坐标？

嘿，我来帮你搞定这个问题！你已经完成了提取坐标的关键步骤，卡在把这些(x,y)值接入挤压操作这一步是吧？咱们一步步来解决：

你之前直接从像素里取(x,y)，大概率得到的是无序的离散点，这样挤压出来的3D模型会混乱。建议用OpenCV的findContours提取有序的闭合轮廓，这才是挤压操作需要的标准输入：

import cv2
import numpy as np

# 读取图像并做边缘检测
img = cv2.imread("your_image.png", 0)
edges = cv2.Canny(img, 50, 150)

# 提取最外层的有序轮廓（取面积最大的那个，适配单主体图像）
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
main_contour = max(contours, key=cv2.contourArea)
# 把轮廓转换成(x,y)格式的数组（去掉OpenCV自带的多余维度）
edge_points = main_contour.squeeze()

这样得到的edge_points是按顺时针/逆时针排列的闭合点集，完美适配后续的挤压操作。

这里给你两种常用方案，选你顺手的就行：

方案1：用Matplotlib快速可视化（适合入门） #

Matplotlib可以把2D轮廓沿着Z轴拉伸成3D面，代码示例：

from mpl_toolkits.mplot3d import Axes3D
from mpl_toolkits.mplot3d.art3d import Poly3DCollection
import matplotlib.pyplot as plt

# 定义挤压高度
extrusion_height = 50
n_points = len(edge_points)

# 生成挤压的上下两层点（Z=0和Z=extrusion_height）
bottom_layer = np.hstack((edge_points, np.zeros((n_points, 1))))
top_layer = np.hstack((edge_points, np.ones((n_points, 1)) * extrusion_height))

# 构建挤压面的索引（把上下层对应点连接起来）
faces = []
for i in range(n_points - 1):
    faces.append([i, i+1, i+1+n_points, i+n_points])
# 闭合最后一个面
faces.append([n_points-1, 0, n_points, 2*n_points-1])

# 绘制3D模型
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')

# 添加挤压侧面和上下底面
side_faces = Poly3DCollection([np.vstack((bottom_layer[face[:2]], top_layer[face[2:]])) for face in faces])
side_faces.set_color("#4287f5")
side_faces.set_alpha(0.6)
ax.add_collection3d(side_faces)

# 可视化点（可选，方便调试）
ax.scatter(bottom_layer[:,0], bottom_layer[:,1], bottom_layer[:,2], s=2, color="black")
ax.scatter(top_layer[:,0], top_layer[:,1], top_layer[:,2], s=2, color="black")

# 设置坐标轴标签
ax.set_xlabel("X")
ax.set_ylabel("Y")
ax.set_zlabel("Z")
plt.show()

方案2：用PyVista实现专业3D挤压（适合复杂模型） #

PyVista是专门的3D数据处理库，内置了extrude函数，一行代码就能完成挤压，非常省心：

import pyvista as pv

# 把2D轮廓转换成PyVista的PolyData格式
poly_data = pv.PolyData(edge_points)
# 沿着Z轴挤压（(0,0,extrusion_height)就是挤压方向和高度）
extruded_model = poly_data.extrude((0, 0, extrusion_height))

# 可视化模型
plotter = pv.Plotter()
plotter.add_mesh(extruded_model, color="#ff6b6b", opacity=0.7)
plotter.add_axes()
plotter.show()

• 一定要确保你的(x,y)点是有序排列的闭合轮廓，无序点会导致挤压面错乱；
• OpenCV的坐标是(y,x)顺序（行优先），用findContours提取后会自动转成(x,y)，不用额外调整；
• 如果你的边缘不是闭合的，可以用cv2.drawContours手动闭合，或者在轮廓末尾添加第一个点。

内容的提问来源于stack exchange，提问作者Image Check