如何从轮廓中获取所有坐标以计算Blair-bliss比值？

嘿，我来帮你一步步搞定这个问题！你已经通过OpenCV拿到了物体的外部轮廓，接下来要获取物体所有内部点的坐标并计算每个点到中心的半径r，其实可以通过生成掩码+提取像素坐标的方式轻松实现，具体步骤如下：

1. 生成物体的掩码图像 #

首先，我们需要把轮廓转换成一张掩码（mask）——和原图像尺寸一致的黑白图，物体区域为白色（非零值），背景为黑色（零值）。这一步能帮我们精准定位所有属于物体的像素点：

import cv2
import numpy as np

# 从你的二值图thresh获取图像尺寸（也可以直接用原图像的shape）
h, w = thresh.shape[:2]
mask = np.zeros((h, w), dtype=np.uint8)

# 填充轮廓内部生成掩码（如果只有一个目标物体，cnts取第一个轮廓即可）
cv2.drawContours(mask, cnts, -1, 255, thickness=cv2.FILLED)

2. 提取物体的所有坐标点 #

有了掩码之后，用np.nonzero()就能快速提取所有非零像素的坐标，这些就是物体内部的所有点：

# 获取物体所有点的坐标，返回格式为(y坐标数组, x坐标数组)
y_coords, x_coords = np.nonzero(mask)

# 转换成(x, y)的列表形式，方便后续计算
object_points = list(zip(x_coords, y_coords))

3. 计算物体的中心（质心） #

要计算每个点的r值，首先得确定物体的中心（质心）。我们可以用OpenCV的矩（moments）来计算：

# 计算目标轮廓的矩（假设只有一个物体，取cnts中的第一个轮廓）
M = cv2.moments(cnts[0])

# 计算质心坐标(cx, cy)
cx = int(M["m10"] / M["m00"])
cy = int(M["m01"] / M["m00"])

4. 计算每个点的r值（到中心的距离） #

现在遍历所有物体点，计算每个点到质心的欧氏距离，就是你需要的r值：

import math

r_values = []
for (x, y) in object_points:
    # 计算欧氏距离
    r = math.sqrt((x - cx)**2 + (y - cy)**2)
    r_values.append(r)

补充小提示 #

• 如果图像中有多个物体，记得遍历cnts列表，对每个轮廓单独处理掩码和坐标。
• 关于Blair-Bliss比值的最终计算：根据定义，通常是所有r的平均值除以物体的等效半径（等效半径指和物体面积相同的圆的半径，公式为sqrt(area / π)，其中面积可以用cv2.contourArea(cnts[0])获取）。

内容的提问来源于stack exchange，提问作者sha3r332