Python 3.x 有没有办法增加cv2.findContours返回的点数？

对于一个我尝试匹配拼图的项目，我编写了一些代码来确定拼图每一面的缩进（向内和向外）。我添加了两个显示结果的示例图像

所有缩进都能很好地检测到，但其准确性并不总是如预期的那样。我认为这是由于cv2.findContours（）只提供了有限的点数。我提供了cv2.findContours（）的代码

我选择只使用带有RETR_external的外部线条，因为这些是唯一需要的轮廓。我还决定用CHAIN_About_NONE保存每个点，尽管我并不需要关于侧面直线部分的大量信息。但是，CHAIN_Abrox_SIMPLE还删除了关键（压痕）部分的一些点，从而进一步降低了精度

第一个函数getImageShape以类似的方式获取形状，但我发现我提前使用它获得了更好的结果，而不是在以前的代码中将源图像作为cv2.threshold函数的输入参数

def getImageShape(img):
    gray   = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray   = cv2.medianBlur(gray, ksize=5)
    thresh = cv2.threshold(gray, 0, 254, cv2.THRESH_BINARY)[1]
    thresh = cv2.blur(thresh, ksize=(3, 3))
    return thresh

由于精度不高（拼图一侧的宽度/高度误差约为4%），因此仅根据压痕位置将两侧相互匹配会导致多个“可能”解决方案。我希望有一种方法可以增加cv2.getContours返回的点数，但在openCV文档中没有找到任何相关信息

如果这是不可能的，我将不得不添加一些图像连续性检测算法（但这将使其无法仅通过形状匹配片段）

---

提前谢谢

如果我可以建议一个替代方案： 您可以尝试通过使用

Sobel

或

Prewitt

过滤器计算图像梯度，并在执行一些简单的后处理后使用

Canny

边缘检测，使轮廓可见

这里是我使用它得到的，注意我使用了你提供的图片，轮廓上有标记，所以忽略这一点不一致

---

我尝试了你的代码，它确实更有效。我还发现findContours实际上返回了足够的点数。问题是有多个相邻点被视为“最大值”，而我的算法只是取第一个而不是中间的一个。谢谢你的帮助！

def getImageShape(img):
    gray   = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    gray   = cv2.medianBlur(gray, ksize=5)
    thresh = cv2.threshold(gray, 0, 254, cv2.THRESH_BINARY)[1]
    thresh = cv2.blur(thresh, ksize=(3, 3))
    return thresh