Python 如何使用cv2.Minareact（cnt）获得多轮廓图像上唯一的最小面积矩形？

我只想使用一个矩形覆盖此图像中的圆：

并使用cv2.minareact（cnt）获得此结果：

这张图片似乎被分成多个部分。可能是因为在这个图像的边缘有一些断点。你能告诉我如何只用一个矩形来覆盖我图像的这个圆吗？多谢各位

这是我的代码：

def draw_min_rect_circle(img, cnts):  # conts = contours
    img = np.copy(img)

    for cnt in cnts:
        x, y, w, h = cv2.boundingRect(cnt)
        cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # blue

        min_rect = cv2.minAreaRect(cnt)  # min_area_rectangle
        min_rect = np.int0(cv2.boxPoints(min_rect))
        cv2.drawContours(img, [min_rect], 0, (0, 255, 0), 2)  # green

        (x, y), radius = cv2.minEnclosingCircle(cnt)
        center, radius = (int(x), int(y)), int(radius)  # center and radius of minimum enclosing circle
        img = cv2.circle(img, center, radius, (0, 0, 255), 2)  # red
return img

---

您需要做的是，您需要通过合并轮廓从图像中以某种方式仅获得1个轮廓，这有点困难，因此，如果您只希望在所有轮廓周围使用封闭矩形，您可以这样做

def draw_min_rect_circle(img, cnts):  # conts = contours
    img = np.copy(img)
    x1,y1 = np.inf
    x2,y2 = 0
    for cnt in cnts:
        x, y, w, h = cv2.boundingRect(cnt)
        if x > x1:
           x1=x
        if y > y1:
           y1=y
        if x2 < x+w
           x2 = x+w
        if y2 < y+h
           y2 = y+h
     w = x2 - x1
     h = y2 - y1
     r = math.sqrt((w*w) + (h*h)) / 2

     cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
     cv2.circle(img, (x1+w/2,y1+h/2), r, (0, 0, 255), 2)

def draw_min_rect_圆（img，cnts）：#conts=轮廓
img=np.copy（img）
x1，y1=np.inf
x2，y2=0
对于cnt中的cnt：
x、 y，w，h=cv2.boundingRect（cnt）
如果x>x1：
x1=x
如果y>y1：
y1=y
如果x2

您可能使用

cv2.findContours（）

搜索轮廓，并在其中迭代以在图像上绘制矩形。问题是，你的图像没有一条相连的线组成圆圈，而是有许多虚线

轮廓是连接所有连续点（沿边界）的曲线，具有相同的颜色或强度（OpenCV文档）

所以为了得到更好的结果，你应该在搜索轮廓之前先准备好你的图像。可以使用各种工具对图像进行预处理（可以搜索OpenCV文档）。在本例中，我将尝试使用一个小内核执行名为“关闭”的过程。闭合是膨胀，接着是像素侵蚀。它可以帮助将您的小轮廓连接到一个大轮廓（圆）。然后，您可以选择最大的一个并绘制一个边框

例如：

输入图像：

结果:

执行关闭操作后的图像：

---

希望能有帮助。干杯

可以将所有轮廓合并为一个轮廓，因为它们只是描述轮廓的点坐标的numpy数组。您可以使用np.concatenate（等高线），cv2.minareact函数似乎并不关心新数组中的点是否连续。在我的例子中，这比使用关闭函数效果更好，因为我有更复杂的对象。如果你愿意，你可以试试，很简单。您的函数应该是这样的：

def draw_min_rect_circle(img, cnts):  # conts = contours
    img = np.copy(img)

    join_cnts = np.concatenate(cnts)

    x, y, w, h = cv2.boundingRect(join_cnts)
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # blue

    min_rect = cv2.minAreaRect(join_cnts)  # min_area_rectangle
    min_rect = np.int0(cv2.boxPoints(min_rect))
    cv2.drawContours(img, [min_rect], 0, (0, 255, 0), 2)  # green

    (x, y), radius = cv2.minEnclosingCircle(join_cnts)
    center, radius = (int(x), int(y)), int(radius)  # center and radius of minimum enclosing circle
    img = cv2.circle(img, center, radius, (0, 0, 255), 2)  # red
    
return img

---

当然，人们可以在提供的二进制图像上找到解决方案，但我认为，如果您提供原始输入图像会更好，因为您的问题可能有更好的整体解决方案。这是一个很好的解决方案。通过闭合轮廓然后迭代寻找最大值来消除噪声的方法很简单，但非常有效。简单的解决方案，如果有效的话，在我的经验中是最好的解决方案。很高兴它起了作用。@kavko谢谢你的帮助！你的解决方案有效。这真是一个伟大的解决方案！

def draw_min_rect_circle(img, cnts):  # conts = contours
    img = np.copy(img)

    join_cnts = np.concatenate(cnts)

    x, y, w, h = cv2.boundingRect(join_cnts)
    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)  # blue

    min_rect = cv2.minAreaRect(join_cnts)  # min_area_rectangle
    min_rect = np.int0(cv2.boxPoints(min_rect))
    cv2.drawContours(img, [min_rect], 0, (0, 255, 0), 2)  # green

    (x, y), radius = cv2.minEnclosingCircle(join_cnts)
    center, radius = (int(x), int(y)), int(radius)  # center and radius of minimum enclosing circle
    img = cv2.circle(img, center, radius, (0, 0, 255), 2)  # red
    
return img