Python 如何在网格中对cv2轮廓进行排序，这可能会有一些失真？

我已经编写了一个python文件来检测cv2网格中的轮廓，并通过从左到右向下的列对它们进行排序。（请参见下面的grid1图像）

这是一个非常简单的排序方法。我拉过轮廓的左上角，按其

x

进行排序，然后按其

y

坐标进行排序，然后使用排序后的角对轮廓列表进行排序。当网格完全笔直时，此操作效果良好

现在，如果网格有变形，那么从网格2看，这不再有效。我们可以看到，标记为

2

的工件左上角的

x

坐标小于标记为

1

的工件左上角的

x

坐标（如绿线所示）

因此，当我应用为grid1工作的排序函数时，它按

x

然后

y

排序，因此标记为

2

的工件被错误地排序为排序轮廓的第一个元素，而不是第二个元素

我正在寻找一个好的方法来正确分类这两种情况

---

任何人有什么建议吗？

您可以根据原点的拐角距离和相对拐角位置来选择订购

• 查找轮廓和层次结构。
  保持轮廓无子对象（基于层次）
• 查找边界矩形的角点

根据以下条件分析角点（或查找更简单的条件）：

• 左上角等高线是具有左上角最小距离的等高线
• 右下角等高线是左上角距离最大的等高线
• 其他两个轮廓可以用最大x和最大y分开（去掉左上角和右下角后）

下面的解决方案以颜色绘制边界矩形以进行测试：

红色的

绿色的

蓝色的

黄色的

这是一个工作代码示例（请阅读注释）：

结果：

---

请添加一些代码！我真的不明白你想做什么。你能解释一下你不明白的部分吗？我将尝试澄清？谢谢你的回答我没有时间回顾并尝试实现我的代码，但如果一切顺利，我将在下周查看并接受：）谢谢你的回答。它确实适用于

2x2

网格。不幸的是，我想要的东西可以用于自然数n，m的

nxm

网格。不过，我确实提出了一个涉及排序和次排序的通用解决方案。我接受这个答案，因为它确实适用于上述问题。

import numpy as np
import cv2

# Read input image as Grayscale
img = cv2.imread('img.png', cv2.IMREAD_GRAYSCALE)

# Convert img to uint8 binary image with values 0 and 255
# All black pixels goes to 0, and other pixels goes to 255
ret, thresh_gray = cv2.threshold(img, 1, 255, cv2.THRESH_BINARY)

# Find contours in thresh_gray.
cnts, hiers = cv2.findContours(thresh_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)[-2:]  # [-2:] indexing takes return value before last (due to OpenCV compatibility issues).

corners = [] # List of corners
dist = np.array([]) # Array of distance from axes origin

# Iterate cnts and hiers, find bounding rectangles, and add corners to a list
for c, h in zip(cnts, hiers[0]):
    # If contours has no child
    if h[2] == -1:
        # Get bounding rectangle
        x, y, w, h = cv2.boundingRect(c)

        # Append corner to list of corners - format is corners[i] holds a tuple: ((x0, y0), (x1, y1))
        p0 = (x, y)
        p1 = (x+w, y+h)
        corners.append((p0, p1))

        # Distance of corners from origin
        d = np.array([np.linalg.norm(p0), np.linalg.norm(p1)])

        if dist.size == 0:
            dist = d
        else:
            dist = np.vstack((dist, d))


top_left = np.argmin(dist[:,0]) # Index of top left corner (assume minimum distance from origin)
bottom_right = np.argmax(dist[:,1]) # Index of top bottom right corner (assume maximum distance from origin)

tmp_corners = np.array(corners)
tmp_corners[top_left, :, :] = np.array(((0,0), (0,0))) #Ignore top_left corners
tmp_corners[bottom_right, :, :] = np.array(((0,0), (0,0))) #Ignore bottom_right corners
bottom_left = np.argmax(tmp_corners[:,1,1]) #Maximum y is bottom left
tmp_corners[bottom_left, :, :] = np.array(((0,0), (0,0))) #Ignore bottom_left corners
top_right = np.argmax(tmp_corners[:,1,0])  #Maximum x is top right

# Convert Grayscale to BGR (just for testing - for drawing rectangles in green color).
out = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

# Draw rectangles (for testing)
# 1. Red
# 2. Green
# 3. Blue
# 4. Yellow
cv2.rectangle(out, corners[top_left][0], corners[top_left][1], (0, 0, 255), thickness = 2)
cv2.rectangle(out, corners[bottom_left][0], corners[bottom_left][1], (0, 255, 0), thickness = 2)
cv2.rectangle(out, corners[top_right][0], corners[top_right][1], (255, 0, 0), thickness = 2)
cv2.rectangle(out, corners[bottom_right][0], corners[bottom_right][1], (0, 255, 255), thickness = 2)

cv2.imwrite('out.png', out)  #Save out to file (for testing).


# Show result (for testing).
cv2.imshow('thresh_gray', thresh_gray)
cv2.imshow('out', out)
cv2.waitKey(0)
cv2.destroyAllWindows()