获取轮廓后如何获得内部的图形的所有点坐标

获取轮廓后，可以使用OpenCV中的`cv2.findContours()`函数来获得内部图形的所有点坐标。以下是一些基本步骤：

1. 首先，确保图像已经进行了二值化处理（如灰度图像阈值化），以便可以正确识别轮廓。

2. 使用`cv2.findContours()`函数来查找图像中的轮廓。该函数返回一个列表，其中每个元素表示一个轮廓。

3. 针对每个轮廓，可以使用`cv2.approxPolyDP()`函数对其进行逼近，以减少点的数量。此步骤可选，根据需要进行。

4. 使用`cv2.drawContours()`函数可以将轮廓绘制在图像上，以便可视化。

5. 针对每个轮廓，可以使用`cv2.contourArea()`函数计算其面积。如果面积为正，则表示轮廓是一个封闭区域。

6. 对于封闭区域，可以使用`cv2.boundingRect()`函数获得该区域的边界框。该函数返回边界框的左上角坐标（x，y）以及宽度和高度。

7. 使用边界框的坐标和尺寸信息，可以计算出内部图形的所有点坐标。

请注意，以上步骤仅提供了一种基本的方法，具体实现可能因图像内容和需求而有所不同。你可以根据自己的情况进行调整和优化。

相关问题

python 获取轮廓内部的所有坐标，不用非零法去判断

你可以使用OpenCV库来获取轮廓内部的所有坐标。以下是一个示例代码：

import cv2

# 读取图像并转换为灰度图
image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 进行二值化处理
ret, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(threshold, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历每个轮廓
for contour in contours:
    # 获取轮廓内部的所有坐标
    for point in contour:
        x, y = point[0]
        # 在这里可以对每个坐标进行处理或保存

# 显示图像
cv2.imshow('Contours', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码将读取名为`image.jpg`的图像，将其转换为灰度图，并进行二值化处理。然后使用`cv2.findContours()`函数查找图像中的轮廓。接下来，遍历每个轮廓并获取其内部的所有坐标。你可以在注释部分对每个坐标进行处理或保存。最后，通过`cv2.imshow()`函数显示带有轮廓的图像。

请注意，这里使用的是非零法判断轮廓，而不是基于你的要求。非零法是常用的判断方法，可以准确地获取轮廓的边界坐标。如果你有特定的需求，请提供更多详细信息，我可以给出更适合的解决方案。

opencv获取轮廓点坐标

你可以使用OpenCV里面的findContours函数来获取轮廓点的坐标。以下是一个使用示例：

import cv2

# 读取图像
img = cv2.imread('test.jpg')

# 转为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓
for i in range(len(contours)):
    cnt = contours[i]
    # 获取轮廓点坐标
    for j in range(len(cnt)):
        x, y = cnt[j][0]
        print("contour %d, point %d: (%d, %d)" % (i, j, x, y))

findContours函数返回两个值，第一个是轮廓点的坐标数组，第二个是层级关系数组。在遍历轮廓点坐标数组时，注意cnt[j][0]表示的是坐标点的数组，其中第一个元素是x坐标，第二个元素是y坐标。