在Python/OpenCV中，如何计算轮廓是否已远离边缘

我正在使用两种不同的技术创建一个跟踪系统，MOSSE就是其中之一，我有一个基于背景减法轮廓的边界框-我正在尝试找出最好的方法来获得屏幕上的轮廓，以了解它们是否已经远离图像边界（甚至距离边界边缘一个像素），因此我可以使用它作为边界框，从中开始苔藓跟踪

我目前正在遍历轮廓，需要对照上面的参数检查每个轮廓

我曾考虑过使用PointPolyContest，为整个帧区域创建一个轮廓，检查轮廓是否在该区域内（没有点接触到边界）。但似乎无法解决如何为整个帧创建轮廓，而且这可能会非常低效

while（1）：
ret，frame=cap.read（）
轮廓，继承人=cv2.找到的轮廓（fgmask，cv2.翻新树，cv2.链约无）
对于轮廓中的cnt：
#等等。。。
#在这里，我将检查轮廓是否与帧边界/边接触

结果应该是，如果轮廓边缘不接触边界（之间没有像素间隙），我将获得输出，通知我这一点，以便我可以为MOSSE添加边界框-这应该发生在帧中的每个轮廓上

---

如果我没有提供足够的细节，或者您需要澄清，请随时发表评论，我们非常感谢您的帮助。

一个可能的解决方案是使用泛光填充来清除白色像素的所有边缘。当您在之后找到轮廓时，您将保证它们在帧内。我使用此代码一次就可以完成这一点。

这可能不是最好的解决方案，但仍然是一个解决方案

将numpy导入为np
将cv2作为cv导入
#然后图像将是二进制的，0或255。
def泛光填充_边缘（图像）：
where=np.where（图像[：，0]==255）
而其中[0]。大小>0：
x、 y=0，其中[0][0]
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[：，0]==255）
where=np.where（图像[：，-1]==255）
而其中[0]。大小>0：
x、 y=图像.形状[1]-1，其中[0][0]
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[：，-1]==255）
where=np.where（图像[0，：]=255）
而其中[0]。大小>0：
x、 y=其中[0][0]，0
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[0，：]=255）
where=np.where（图像[-1，：]==255）
而其中[0]。大小>0：
x、 y=其中[0][0]，image.shape[0]-1
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[-1，：]==255）
返回图像

---

我不确定效率，所以您必须对此进行测试。

一个可能的解决方案是使用泛光填充来清除白色像素的所有边缘。当您在之后找到轮廓时，您将保证它们位于帧内。我曾经使用此代码来实现这一点

这可能不是最好的解决方案，但仍然是一个解决方案

将numpy导入为np
将cv2作为cv导入
#然后图像将是二进制的，0或255。
def泛光填充_边缘（图像）：
where=np.where（图像[：，0]==255）
而其中[0]。大小>0：
x、 y=0，其中[0][0]
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[：，0]==255）
where=np.where（图像[：，-1]==255）
而其中[0]。大小>0：
x、 y=图像.形状[1]-1，其中[0][0]
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[：，-1]==255）
where=np.where（图像[0，：]=255）
而其中[0]。大小>0：
x、 y=其中[0][0]，0
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[0，：]=255）
where=np.where（图像[-1，：]==255）
而其中[0]。大小>0：
x、 y=其中[0][0]，image.shape[0]-1
等速漫灌（图像，无，（x，y），0）
where=np.where（图像[-1，：]==255）
返回图像

---

我不确定效率，所以您必须对此进行测试。

这里是另一个解决方案，使用您建议的轮廓

我使用了简化矩形并包含了一些东西。转换成普通的OpenCV和Numpy并不难，只是有点乏味

将cv2作为cv导入
将numpy作为np导入
将opencv_包装器作为cvw导入
image=cv.imread（“路径/目标/图像”）
灰色=cvw.bgr2gray（图像）
阈值=cvw.阈值\u大津（灰色）
#返回轮廓对象
轮廓=cvw。查找外部轮廓（阈值）
#创建一个矩形，表示中1个像素的边界。
边界=cvw.Rect（1，1，image.shape[1]-2，image.shape[0]-2）
对于等高线中的等高线：
#返回一个Rect对象
rect=轮廓。边界\u rect
如果(
rect.tl不在边界中
或rect.tr不在边界中
或rect.bl不在边界中
或rect.br不在边界中
):
持续
#创建跟踪器
cvw.矩形（图像，矩形，cvw.Color.RED，1）
cv.imshow（“图像”，np.hstack（[图像，cvw.GRY2BGR（阈值）]）
cvw.等待键（0）

---

披露：我是OpenCV包装器的作者。

这里是另一个解决方案，使用您建议的轮廓

我使用了简化矩形并包含了一些东西。转换成普通的OpenCV和Numpy并不难，只是有点乏味

将cv2作为cv导入
将numpy作为np导入
将opencv_包装器作为cvw导入
image=cv.imread（“路径/目标/图像”）
灰色=cvw.bgr2gray（图像）
阈值=cvw.阈值\u大津（灰色）
#返回轮廓对象
轮廓=cvw。查找外部轮廓（阈值）
#创建一个矩形，表示中1个像素的边界。
边界=cvw.Rect（1，1，image.shape[1]-2，image.shape[0]-2）
对于等高线中的等高线：
#返回一个Rect对象
rect=轮廓。边界\u rect
如果(
rect.tl不在边界中
或rect.tr不在边界中
或者rect.bl不是