如何从NumPy布尔网格中提取多边形的外部坐标？

我来帮你搞定这个问题！从布尔网格里提取多边形的外部坐标，本质就是找出True区域的轮廓边界，这里有几个实用的方法，你可以根据自己的开发环境选合适的：

方法一：用OpenCV快速提取轮廓 #

OpenCV的轮廓检测功能非常成熟，处理这类网格简直是小菜一碟，步骤很清晰：

1. 先把布尔数组转换成OpenCV能处理的格式：把True转成255（白色），False转成0（黑色），并改成uint8类型。
2. 调用findContours函数，指定只找最外层轮廓（RETR_EXTERNAL），同时用CHAIN_APPROX_SIMPLE压缩轮廓点，避免冗余。
3. 提取轮廓坐标，调整格式到你需要的样子。

直接上代码示例：

import numpy as np
import cv2

# 你的16x16布尔网格示例（补全部分行方便测试）
grid = np.array([
    [False, False, False, False, False, False, True, True, True, True, False, False, False, False, False, False],
    [False, False, False, False, False, True, True, True, True, True, True, False, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, True, True, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, False, True, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False]
])

# 转换为OpenCV兼容的8位图像格式
binary_img = (grid * 255).astype(np.uint8)

# 查找最外层轮廓，忽略内部小轮廓
contours, _ = cv2.findContours(binary_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 提取第一个轮廓（假设只有一个目标多边形），squeeze去掉多余维度，得到(N,2)的坐标数组
external_coords = contours[0].squeeze()

# 注意：OpenCV返回的坐标是(列,行)，如果需要和NumPy的(行,列)索引一致，交换一下顺序
external_coords = external_coords[:, [1, 0]]

print("提取的外部坐标（行, 列）：")
print(external_coords)

小提示 #

如果你的网格里有多个独立的True区域，contours会是一个列表，每个元素对应一个区域的轮廓，你可以遍历列表逐个处理。

方法二：用scikit-image提取轮廓 #

如果你更习惯用scikit-image这个图像处理库，它的find_contours函数也能轻松搞定，而且返回的坐标直接是(行,列)格式，不用额外转换：

import numpy as np
from skimage.measure import find_contours

# 同样用示例网格
grid = np.array([
    [False, False, False, False, False, False, True, True, True, True, False, False, False, False, False, False],
    [False, False, False, False, False, True, True, True, True, True, True, False, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, True, True, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, False, True, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False]
])

# 查找轮廓，level=0.5是因为我们把布尔数组转成浮点后，True是1，False是0，0.5刚好是分界值
contours = find_contours(grid.astype(float), level=0.5)

# 提取第一个外部轮廓
external_coords = contours[0]

print("提取的外部坐标（行, 列）：")
print(external_coords)

小提示 #

这个方法返回的坐标是连续的浮点数，如果需要整数坐标，直接用external_coords.astype(int)转换就行。

手动实现思路（适合理解原理） #

如果你不想依赖第三方库，也可以手动找边界点：遍历网格里所有True的点，判断它的邻域（上下左右或8个方向）是否有False的点，这类点就是边界点。不过手动把这些边界点按顺序排列成多边形会比较麻烦，需要用排序算法（比如按顺时针/逆时针），所以还是推荐用上面的现成库方法，省事儿又高效。

内容的提问来源于stack exchange，提问作者Eduardo