我使用opencv创建了一些轮廓，我需要识别轮廓上的一个特定点，这通常是'V'形的最里面的点。在附图中，我要识别的点由绿色箭头表示。
左边是一个简单的例子，可以通过计算轮廓的凸包来进行识别（例如），然后找到离凸包最远的点。
但是，在所附图像的右侧是一个更困难的情况，我得到了几个轮廓而不是 1 个轮廓，并且没有漂亮的“V”形，因此无法识别最里面的点'V'。如红色虚线所示，一种解决方案可能是外推较高的轮廓，直到它与较低的轮廓相交。有谁知道我会怎么做？或者有更好的解决方案？
我试过的记录：
膨胀/侵蚀（当多个轮廓靠近时有效，否则无效）
hough 变换 p（容易误定位目标点）
任何指针将不胜感激。
【问题讨论】：
标签： python opencv hough-transform convex-hull opencv-contour
此解决方案适用于您提供的两个图像。对于所有其他具有类似颜色和指向右侧的“v”形（或至少部分“v”形）的图像，这也应该是一个很好的解决方案。
让我们先看看更简单的图像。我首先使用色彩空间分割图像。
# Convert frame to hsv color space
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# Define range of pink color in HSV
(b,r,g,b1,r1,g1) = 0,0,0,110,255,255
lower = np.array([b,r,g])
upper = np.array([b1,r1,g1])
# Threshold the HSV image to get only pink colors
mask = cv2.inRange(hsv, lower, upper)
接下来，我找到了mid_point，在该行的上方和下方有相同数量的白色。
# Calculate the mid point
mid_point = 1
top, bottom = 0, 1
while top < bottom:
top = sum(sum(mask[:mid_point, :]))
bottom = sum(sum(mask[mid_point:, :]))
mid_point += 1
然后，我从中点开始填充图像： bg = np.zeros((h+2, w+2), np.uint8)
kernel = np.ones((k_size, k_size),np.uint8)
cv2.floodFill(mask, bg, (0, mid_point), 123)
现在我有了填充图像，我知道我要寻找的点是最靠近图像右侧的灰色像素。
# Find the gray pixel that is furthest to the right
idx = 0
while True:
column = mask_temp[:,idx:idx+1]
element_id, gray_px, found = 0, [], False
for element in column:
if element == 123:
v_point = idx, element_id
found = True
element_id += 1
# If no gray pixel is found, break out of the loop
if not found: break
idx += 1
结果：
现在是更硬的图像。在右图中，“v”没有完全连接：
为了关闭“v”，我迭代地扩大了检查是否连接的掩码：
# Flood fill and dilate loop
k_size, iters = 1, 1
while True:
bg = np.zeros((h+2, w+2), np.uint8)
mask_temp = mask.copy()
kernel = np.ones((k_size, k_size),np.uint8)
mask_temp = cv2.dilate(mask_temp,kernel,iterations = iters)
cv2.floodFill(mask_temp, bg, (0, mid_point), 123)
cv2.imshow('mask', mask_temp)
cv2.waitKey()
k_size += 1
iters += 1
# Break out of the loop of the right side of the image is black
if mask_temp[h-1,w-1]==0 and mask_temp[1, w-1]==0: break
这是结果输出：
【讨论】：