使用Python在OpenCV的findContours后去除异常轮廓以检测矩形

嘿，我看你现在用OpenCV的findContours找矩形时，捡了一堆多余的形状，这事儿我之前也碰到过！咱们一步步把这些干扰项过滤掉～

核心思路 #

问题出在你只做了轮廓提取，没对轮廓做形状校验。从你的结果图能看出来，很多细碎噪点、非四边形的轮廓都被识别出来了。我们需要在找到轮廓后，通过两个关键步骤筛选：

1. 把轮廓近似成多边形，矩形的近似结果应该正好是4条边
2. 结合轮廓的凸性、面积、长宽比，进一步排除不符合要求的形状

完整优化代码 #

import cv2
import numpy as np

# 读取图像并预处理
img = cv2.imread('CD/A.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 先做高斯模糊，减少噪点干扰（这步是关键！）
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
# Canny边缘检测，参数可以根据你的图像微调
edges = cv2.Canny(blurred, 50, 150, apertureSize=3)

# 提取轮廓（注意OpenCV版本：新版本返回contours和hierarchy）
contours, hierarchy = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 创建空白画布用来绘制筛选后的矩形
result_img = np.ones(img.shape, dtype=np.uint8) * 255

# 遍历每个轮廓，逐一筛选
for cnt in contours:
    # 计算轮廓周长，用于多边形近似
    perimeter = cv2.arcLength(cnt, True)
    # 用approxPolyDP简化轮廓，epsilon是周长的比例，控制近似程度
    approx = cv2.approxPolyDP(cnt, 0.02 * perimeter, True)
    
    # 多条件过滤：
    # 1. 近似后是4条边（四边形）
    # 2. 轮廓是凸的（矩形是凸四边形）
    # 3. 面积足够大，过滤小噪点（阈值根据你的图像尺寸调整）
    if len(approx) == 4 and cv2.isContourConvex(approx) and cv2.contourArea(cnt) > 100:
        # 可选：验证长宽比，排除太扁/太窄的形状
        x, y, w, h = cv2.boundingRect(approx)
        aspect_ratio = float(w) / h
        # 这里设定长宽比在0.5到2之间，你可以根据需求修改
        if 0.5 < aspect_ratio < 2:
            # 画出符合要求的矩形
            cv2.drawContours(result_img, [approx], 0, (0, 0, 255), 2)

# 展示结果
cv2.imshow('Filtered Rectangles', result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键优化点说明 #

• 高斯模糊预处理：cv2.GaussianBlur能有效减少图像中的细碎噪点，避免Canny检测出大量无用边缘
• 轮廓近似：cv2.approxPolyDP是把复杂轮廓简化成多边形的核心，epsilon越小，近似结果越接近原轮廓，你可以根据实际情况调整（比如0.01或0.03）
• 多维度过滤：
  • 边数判断：直接锁定四边形
  • 凸性校验：排除凹四边形（矩形必然是凸的）
  • 面积过滤：去掉那些小到可以忽略的噪点轮廓
  • 长宽比过滤：避免把细长条或者扁片当成矩形

额外调整建议 #

如果还是有漏网之鱼，可以试试：

• 调整Canny的高低阈值（比如把50改成30，150改成200），或者换成自适应阈值cv2.adaptiveThreshold
• 修改面积阈值和长宽比范围，匹配你的图像实际尺寸
• 用cv2.moments计算轮廓的矩，进一步校验形状特征

内容的提问来源于stack exchange，提问作者yondaim