OpenCV中动态合并多个轮廓的实用指南

import cv2 as cv
import numpy as np

# 假设 img 是一张二值图像
# 为了演示，我们创建一个简单的图像
img = np.zeros((100, 100), dtype=np.uint8)
cv.rectangle(img, (10, 10), (30, 30), 255, -1)
cv.circle(img, (70, 70), 20, 255, -1)
cv.rectangle(img, (15, 15), (25, 25), 0, -1) # 制造一个内部轮廓

# 查找轮廓
data_contours, _ = cv.findContours(img, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)

# 对轮廓按长度进行排序（从大到小）
data_cnt = sorted(data_contours, key=len, reverse=True)

# 打印轮廓数量和每个轮廓的长度
data_cnt_len = [len(cnt) for cnt in data_cnt]

print(f"检测到的轮廓总数: {len(data_contours)}")
print(f"排序后轮廓的长度: {data_cnt_len}")
# 示例输出可能为:
# 检测到的轮廓总数: 3
# 排序后轮廓的长度: [100, 80, 4] (具体数值取决于图像和轮廓查找模式)

# 错误的合并尝试
# contour_number = 2  # 假设要合并前两个轮廓
#
# merged_contours_incorrect = None
# for i in range(contour_number):
#     # 每次循环都会创建一个新的 NumPy 数组，并覆盖前一个结果
#     # 这导致最终只保留了循环中最后一个轮廓的数据
#     merged_contours_incorrect = np.vstack(data_cnt[i])
#
# if merged_contours_incorrect is not None:
#     print(f"错误合并后的形状: {merged_contours_incorrect.shape}")
#     # 示例输出可能为: (407, 2) 或 (80, 2) - 只保留了最后一个轮廓的形状

# 正确的轮廓合并方法
merged_contours_list = []  # 创建一个空列表来存储轮廓
contour_number_to_merge = 2 # 假设我们要合并前两个最大的轮廓

for i in range(contour_number_to_merge):
    merged_contours_list.append(data_cnt[i])

# 使用 np.vstack 将列表中的所有轮廓一次性堆叠起来
if merged_contours_list: # 确保列表不为空
    final_merged_contour = np.vstack(merged_contours_list)
    print(f"正确合并后的形状: {final_merged_contour.shape}")
    # 示例输出可能为: (180, 1, 2) 或 (180, 2) - 两个轮廓点数的总和
else:
    print("没有轮廓可供合并。")

import cv2 as cv
import numpy as np

def merge_selected_contours(image_path, num_to_merge=2):
    """
    加载图像，查找轮廓，排序，并合并指定数量的最大轮廓。

    Args:
        image_path (str): 图像文件路径。
        num_to_merge (int): 要合并的最大轮廓数量。

    Returns:
        np.ndarray: 合并后的轮廓数组，如果无轮廓则返回 None。
    """
    img = cv.imread(image_path, cv.IMREAD_GRAYSCALE)
    if img is None:
        print(f"错误: 无法加载图像 '{image_path}'")
        return None

    # 对图像进行二值化处理，以便 cv.findContours 工作
    _, binary_img = cv.threshold(img, 127, 255, cv.THRESH_BINARY)

    # 查找轮廓
    contours_found, _ = cv.findContours(binary_img, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)

    if not contours_found:
        print("未检测到任何轮廓。")
        return None

    # 按轮廓点数从大到小排序
    sorted_contours = sorted(contours_found, key=len, reverse=True)

    print(f"检测到的轮廓总数: {len(sorted_contours)}")
    print(f"排序后轮廓的长度: {[len(c) for c in sorted_contours]}")

    # 准备合并
    contours_to_merge = []
    # 确保不会尝试合并超过实际存在的轮廓数量
    actual_num_to_merge = min(num_to_merge, len(sorted_contours))

    print(f"将合并前 {actual_num_to_merge} 个轮廓。")

    for i in range(actual_num_to_merge):
        contours_to_merge.append(sorted_contours[i])

    if contours_to_merge:
        final_merged_contour = np.vstack(contours_to_merge)
        print(f"合并后的轮廓形状: {final_merged_contour.shape}")
        return final_merged_contour
    else:
        print("没有轮廓被选中进行合并。")
        return None

# 创建一个虚拟图像文件进行演示
dummy_image_path = "dummy_contours.png"
dummy_img = np.zeros((200, 200), dtype=np.uint8)
cv.rectangle(dummy_img, (20, 20), (80, 80), 255, -1)
cv.circle(dummy_img, (150, 150), 30, 255, -1)
cv.imwrite(dummy_image_path, dummy_img)

# 调用函数进行合并
merged_contour_result = merge_selected_contours(dummy_image_path, num_to_merge=2)

if merged_contour_result is not None:
    # 可以在这里对合并后的轮廓进行进一步处理，例如绘制
    output_img = np.zeros((200, 200, 3), dtype=np.uint8)
    cv.drawContours(output_img, [merged_contour_result], -1, (0, 255, 0), 2)
    cv.imshow("Merged Contours", output_img)
    cv.waitKey(0)
    cv.destroyAllWindows()