Python 如何优化凸包图形？

我试图在一些输入图像（下面的第二幅图像）中根据覆盖面积（见下面的第一幅图像）归档绘制凸包点。对于此操作，我将执行以下操作：

在第一张图像中找到轮廓

在第二张图像中找到轮廓

对于第一幅图像中的每个轮廓区域，将其与第二幅图像中的所有轮廓进行比较，并检查它们是否在第一幅图像中的轮廓内。如果在等高线区域内，则将等高线的坐标添加到列表中

在列表中绘制凸面外壳点

我的问题是第三步花费了太多的时间，因为比较了第二张图像中的每个轮廓。有没有办法优化这段代码

对于coverContours中的coverContours：
尝试：
点数=[]
对于pointsContours中的pointsContour：
（（x，y，r）=cv2.MineConclosingCircle（pointsContour）
如果（cv2.PointPolyContest（coverContour，（int（x），int（y）），False））==1：
点列表追加（（int（x），int（y）））
点附加（点（int（x），int（y）））
绘制点=点。凸面外壳（点，透镜（点））
对于范围内的x（透镜（牵引点）-1）：
cv2.线（图层，（点[draw\u point[x]].x，点[draw\u point[x]].y），
（点[draw_point[x+1]].x，点[draw_point[x+1]].y），（255，255，255），线厚度）
cv2.线（图层，（点[draw_点[len（draw_点）-1]].x，点[draw_点[len（draw_点）-1].y），
（点[draw_point[0]].x，点[draw_point[0]].y，（255，255，255），线[u厚度）
除：
打印（“”）

封面图片：

输入图像：

最终图像：

---

我没有测试你的代码，因为它缺少现成的部分，所以我不知道如何量化在这里花费的时间太多。下面提到的方法在我的机器上大约需要50毫秒（i7 3.60 GHz，32 GB RAM）。如果值得，请继续阅读

这将是我的最终输出：

从第一张图像中找到所有“斑点”轮廓

迭代“斑点”轮廓，并在单独的黑色背景上绘制每个轮廓，参见

按位and（相交）此图像与第二个图像中的“细节”

找到该交点内的所有“细节”轮廓

只需连接“细节”等高线中的所有坐标，然后调用

在一些输出图像上绘制凸包

这就是完整的代码：

导入cv2
将numpy作为np导入
#读取输入图像
blobs=cv2.imread（'6Sh0t.png'，cv2.imread_灰度）
详细信息=cv2.imread（'RdKkN.png'，cv2.imread_灰度）
#使用OpenCV版本查找水滴轮廓
cnt_blobs=cv2.查找对象（blobs，cv2.RETR_外部，cv2.链约无）
如果len（cnt_blobs）==2，则cnt_blobs=cnt_blobs[0]
#准备输出图像
输出=np.类零（BLOB）
#迭代所有斑点轮廓
对于cnt_blob中的cnt：
#在空的黑色背景上绘制水滴轮廓
tmp=np.类零（斑点）
tmp=cv2.绘制轮廓（tmp，[cnt]，-1255，cv2.填充）
#带细节的逐位和（相交）水滴轮廓
tmp=cv2.按位_和（tmp，详细信息）
#在OpenCV版本中查找交叉点w.r.t.内的详细轮廓
cnts=cv2.找到的容器（tmp、cv2.RETR\u外部、cv2.CHAIN\u近似无）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
#连接所有坐标，并获得凸包
cnts=np.连接（cnts，轴=0）
cnts=cv2.convexHull（cnts）
#吸收输出
输出=cv2。绘制轮廓（输出，[CNT]，-1128,3）
#输出
cv2.imshow（“输出”，输出）
cv2.等待键（0）
cv2.destroyAllWindows（）

----------------------------------------
系统信息
----------------------------------------
平台：Windows-10-10.0.16299-SP0
Python:3.8.5
努比：1.19.5
OpenCV:4.5.1
----------------------------------------

你真棒，谢谢。我再问你一个问题。有没有简单的方法可以画一条线到同一个水滴区域的每个点（轮廓）？（我试图将每个点连接到同一blob区域中的其他点）不幸的是，我不理解您的后续问题。也许，在那里详细描述你的问题，也许在这里参考进一步的上下文。