这是一种潜在的方法：
- 将图像转换为灰度和高斯模糊
- 获取二进制图像的阈值
- 查找轮廓
- 获取外部坐标
转换为灰度并模糊图像后，我们阈值以获取二进制图像
现在我们使用找到轮廓
cv2.findContours()。由于OpenCV使用Numpy数组对图像进行编码，因此轮廓只是一个Numpy
(x,y)坐标数组。我们可以对Numpy数组进行切片并使用
argmin()或
argmax()确定像这样的外部左，右，上和下坐标
left = tuple(c[c[:, :, 0].argmin()][0])right = tuple(c[c[:, :, 0].argmax()][0])top = tuple(c[c[:, :, 1].argmin()][0])bottom = tuple(c[c[:, :, 1].argmax()][0])
这是结果
左：（162，527）
右：（463，467）
最高：（250，8）
底部：（381，580）
import cv2import numpy as np# Load image, grayscale, Gaussian blur, thresholdimage = cv2.imread('1.png')gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (3,3), 0)thresh = cv2.threshold(blur, 220, 255, cv2.THRESH_BINARY_INV)[1]# Find contourscnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)cnts = cnts[0] if len(cnts) == 2 else cnts[1]c = max(cnts, key=cv2.contourArea)# Obtain outer coordinatesleft = tuple(c[c[:, :, 0].argmin()][0])right = tuple(c[c[:, :, 0].argmax()][0])top = tuple(c[c[:, :, 1].argmin()][0])bottom = tuple(c[c[:, :, 1].argmax()][0])# Draw dots onto imagecv2.drawContours(image, [c], -1, (36, 255, 12), 2)cv2.circle(image, left, 8, (0, 50, 255), -1)cv2.circle(image, right, 8, (0, 255, 255), -1)cv2.circle(image, top, 8, (255, 50, 0), -1)cv2.circle(image, bottom, 8, (255, 255, 0), -1)print('left: {}'.format(left))print('right: {}'.format(right))print('top: {}'.format(top))print('bottom: {}'.format(bottom))cv2.imshow('thresh', thresh)cv2.imshow('image', image)cv2.waitKey()
