获取Canny边缘检测图像的坐标——OpenCV与Python实现

嘿，我来帮你搞定这个问题！你已经成功跑通了边缘检测并显示结果，要把那些白色线条的坐标存进列表其实很简单，这里有两种实用的方法，你可以根据需求选：

方法1：提取所有边缘像素的坐标 #

如果你的边缘检测结果是二值图像（比如Canny输出的图，白色像素是边缘，黑色是背景），直接用NumPy的nonzero()函数就能一次性拿到所有边缘点的坐标：

import numpy as np
import cv2

# 假设你的边缘检测结果存在变量edges里（二值图，边缘为255，背景为0）
# 比如你可能是这样得到edges的：
# img = cv2.imread('your_image.jpg', 0)
# edges = cv2.Canny(img, 100, 200)

# 获取所有白色像素的坐标：返回的是(y轴索引, x轴索引)
y_indices, x_indices = np.nonzero(edges)
# 把坐标打包成(x, y)的格式并存进列表
edge_points = list(zip(x_indices, y_indices))

# 现在edge_points里就是所有边缘点的坐标了，比如打印前5个看看：
print(edge_points[:5])

注意：OpenCV的图像坐标系里，第一个维度是行（y轴），第二个是列（x轴），所以nonzero()返回的顺序是(y, x)，我们需要转成常规的(x, y)格式存在列表里。

方法2：提取连续的轮廓坐标 #

如果你需要的是连续的边缘轮廓（而不是零散的单个像素），可以用OpenCV的findContours()函数，它能把相邻的边缘像素聚合成轮廓：

import cv2

# 同样假设edges是你的二值边缘图
# 查找轮廓：OpenCV 4.x及以上版本返回(contours, hierarchy)
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 把所有轮廓的点合并到一个列表中
contour_points_list = []
for contour in contours:
    # contour的形状是(n, 1, 2)，我们把它展平成(n, 2)的数组，再转成列表
    single_contour_points = contour.reshape(-1, 2).tolist()
    contour_points_list.extend(single_contour_points)

# 现在contour_points_list里就是所有轮廓的坐标点了

参数说明： #

• cv2.RETR_EXTERNAL：只提取最外层的轮廓，忽略嵌套的内部轮廓；如果需要所有轮廓可以用cv2.RETR_TREE
• cv2.CHAIN_APPROX_SIMPLE：压缩轮廓点（比如把一条直线的所有点压缩成两个端点），如果要保留轮廓上的每一个像素，换成cv2.CHAIN_APPROX_NONE就行

小提示 #

• 确保你的edges是标准的二值图（只有0和255两个值），如果是其他边缘检测方法（比如Sobel）输出的灰度图，记得先用cv2.threshold()二值化后再处理。

内容的提问来源于stack exchange，提问作者rdo123