Python OpenCV：在特定轮廓内绘制外部轮廓

我是OpenCV新手，我正在尝试在特定轮廓内绘制外部轮廓。这是我用来澄清的图像（已经灰度化、阈值化等）

我想要的是在外矩形内找到所有圆的轮廓（总共120个）

contours =  cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

因此我基本上使用了

RETR\u EXTERNAL

，但它只返回外部矩形。我试着使用

RETR_TREE

，但在这种情况下，它返回的轮廓比圆多，出于某种原因我不明白。澄清一下：我只希望每个圆有一个轮廓

如何使用

RETR\u EXTERNAL

并忽略外轮廓（矩形），使其仅返回圆？

按区域过滤轮廓： 我按面积过滤轮廓以隔离圆。我认为您可能需要对图像进行更多的处理，以帮助从图像中的边界描绘圆圈。我使用了以下代码：

import cv2
import numpy as np

img = cv2.imread("/your/path/C03eN.jpg")

def find_contours_and_centers(img_input):

    img_gray = cv2.cvtColor(img_input, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.bilateralFilter(img_gray, 3, 27,27)
    #(T, thresh) = cv2.threshold(img_input, 0, 100, 0)
    _, contours_raw, hierarchy = cv2.findContours(img_gray, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    contours = [i for i in contours_raw if cv2.contourArea(i) > 20]
    contour_centers = []

    for idx, c in enumerate(contours):
        M = cv2.moments(c)
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])
        samp_bounds = cv2.boundingRect(c)
        contour_centers.append(((cX,cY), samp_bounds))

    print("{0} contour centers and bounds found".format(len(contour_centers)))

    contour_centers = sorted(contour_centers, key=lambda x: x[0])

    return (contours, contour_centers)

conts, cents = find_contours_and_centers(img.copy())

circles = [i for i in conts if np.logical_and((cv2.contourArea(i) > 650),(cv2.contourArea(i) < 4000))]

cv2.drawContours(img, circles, -1, (0,255,0), 2)

cv2.imwrite("/your/path/tester.jpg", img)

结果:

---

谢谢你的回复，但为什么绿色“圆圈”的形状如此糟糕？当我画圆的时候，它们看起来很好，但问题是每个圆都有一个以上的轮廓，这是我不想要的。。。理想情况下，我希望删除外部矩形，这样我就可以使用

RETR\u EXTERNAL

，这很好。有什么办法吗？不确定，我只是下载了图像并试用了一下，也许你这边的分辨率更好，我的测试图像是低分辨率的。所以你问题的最后一部分是：“我如何使用RETR_EXTERNAL并忽略外轮廓（矩形），使其只返回圆？”我只是将其作为你的预期解决方案，然后尝试只返回圆。好的，我理解，但是没有更简单的方法使外矩形变黑（就像背景一样），这样我就可以使用

RETR\u EXTERNAL

？是的，你可以使用它返回外框的轮廓，然后你可以创建一个遮罩，画一个黑色轮廓来隐藏圆，或者完全提取图像的该部分以隔离感兴趣的区域。在这种情况下，您需要使用层次结构的概念。

import cv2
import numpy as np

img = cv2.imread("/your/path/C03eN.jpg")

def find_contours_and_centers(img_input):

    img_gray = cv2.cvtColor(img_input, cv2.COLOR_BGR2GRAY)
    img_gray = cv2.bilateralFilter(img_gray, 3, 27,27)
    #(T, thresh) = cv2.threshold(img_input, 0, 100, 0)
    #_, contours_raw, hierarchy = cv2.findContours(img_gray, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    _, contours_raw, hierarchy = cv2.findContours(img_gray, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    contours = [i for i in contours_raw if cv2.contourArea(i) > 20]
    contour_centers = []

    for idx, c in enumerate(contours):
        M = cv2.moments(c)
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])
        samp_bounds = cv2.boundingRect(c)
        contour_centers.append(((cX,cY), samp_bounds))

    print("{0} contour centers and bounds found".format(len(contour_centers)))

    contour_centers = sorted(contour_centers, key=lambda x: x[0])

    return (contours, contour_centers)

conts, cents = find_contours_and_centers(img.copy())

x,y,w,h = cv2.boundingRect(conts[0])

cropped = img[y+10:y+(h-10),x+10:x+(w-10)]

cv2.imwrite("/your/path/cropped.jpg", cropped)