python，opencv怎么获取图片中不规则图形的坐标？

### 使用 Python 和 OpenCV 获取图像中不规则形状轮廓坐标

为了获取图像中的不规则形状轮廓及其坐标，通常会采用如下方法：

#### 图像预处理
首先读取并转换图像为灰度图，接着应用阈值化操作来创建二值图像。这一步骤有助于突出显示目标对象。

import cv2
import numpy as np

# 加载图片
image = cv2.imread('path_to_image')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用高斯模糊减少噪声
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 阈值分割得到二值图像
_, thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY_INV)

#### 查找轮廓
通过 `cv2.findContours` 函数可以在二值图像上检测到所有的轮廓，并从中筛选出感兴趣的区域。

contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:]

for contour in contours:
    # 计算轮廓的矩形边界框
    x, y, w, h = cv2.boundingRect(contour)
    
    # 绘制矩形边框标记找到的对象位置
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)
    
    # 输出每个轮廓的位置信息
    print(f"Contour Position: Top Left ({x},{y}), Width {w}, Height {h}")

上述代码实现了对输入图像内所有独立物体轮廓的识别与定位[^1]。

对于更复杂的场景，可能还需要进一步调整参数或增加额外的形态学运算（如腐蚀、膨胀），以便更好地分离粘连的目标物。

#### 提取特定条件下的轮廓
如果只关心满足一定面积大小或其他特征约束的轮廓，则可以通过设置过滤器来进行选择性的提取。

filtered_contours = []
min_area = 100  # 设置最小感兴趣区域面积

for c in contours:
    area = cv2.contourArea(c)
    if area > min_area:
        filtered_contours.append(c)

print(f"{len(filtered_contours)} large enough objects found.")

此部分展示了如何基于面积标准挑选较大的轮廓作为分析对象[^2]。