基于Python+OpenCV检测图像中数字3的内部轮廓质心

你已经选对了核心方向——用cv2.RETR_TREE获取轮廓层级关系，这是定位数字3内部空洞轮廓的关键。我帮你完善代码，实现内部轮廓质心的检测和可视化：

import cv2
import numpy as np

# 读取图像
im = cv2.imread("three.png")
if im is None:
    print("Error: 无法读取图像，请检查文件路径是否正确！")
    exit()

# 转灰度图
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

# 反相二值化（OTSU自动确定阈值），确保数字为黑色，背景为白色
ret, thresh = cv2.threshold(imgray, 127, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)

# 寻找轮廓及层级关系
_, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
hierarchy = hierarchy[0]  # 提取层级数组的有效部分

# 遍历所有轮廓，筛选内部轮廓并计算质心
for idx, cnt in enumerate(contours):
    # 内部轮廓的标志：存在父轮廓（hierarchy的第4个元素为父轮廓索引，不为-1）
    if hierarchy[idx][3] != -1:
        # 计算轮廓的矩
        M = cv2.moments(cnt)
        # 避免除以0的情况（防止空轮廓）
        if M["m00"] != 0:
            cX = int(M["m10"] / M["m00"])
            cY = int(M["m01"] / M["m00"])
        else:
            cX, cY = 0, 0
        
        # 绘制内部轮廓（绿色）
        cv2.drawContours(im, [cnt], -1, (0, 255, 0), 2)
        # 绘制质心（红色实心圆）
        cv2.circle(im, (cX, cY), 3, (0, 0, 255), -1)
        # 标注质心坐标
        cv2.putText(im, f"({cX}, {cY})", (cX - 25, cY - 10), 
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1)

# 显示结果
cv2.imshow("Inner Contour Centroids", im)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 可选：保存结果图像
# cv2.imwrite("three_centroid_result.png", im)

关键细节解释 #

• 轮廓层级筛选：cv2.RETR_TREE会返回每个轮廓的层级信息hierarchy，每个轮廓对应的层级项是[next, prev, child, parent]。我们通过判断parent != -1来筛选出内部轮廓（也就是数字3的两个空洞轮廓）。
• 质心计算：cv2.moments()计算轮廓的几何矩，其中m10/m00是质心的x坐标，m01/m00是y坐标。加入M["m00"] != 0的判断，避免处理空轮廓时出现除以0的错误。
• 可视化验证：代码会用绿色绘制内部轮廓，红色实心圆标记质心，并标注坐标，方便你直观确认结果是否正确。

内容的提问来源于stack exchange，提问作者lucians