python opencv图形包含关系的问题

问题遇到的现象和发生背景

如果有多个图形存在包含关系，如何将包含关系的图形辨认为一个轮廓？
如图，图中有四个图形，希望的效果为红色线条为一个轮廓，绿色线条为一个轮廓，最终图上只有两个轮廓。

自己的思路

我自己的思路是先将图形变为凸包，再将中心点计算出来并记录，再用is_inside()函数判断该中心点是否再凸包内，最后用cv2.convexHull(np.concatenate(,))将两个轮廓变为一个轮廓。

目前的问题是：

正向操作是：轮廓-->凸包-->中心点。
那么如何逆向操作，通过中心点找到对应的轮廓呢？
如何将两个轮廓融合成一个轮廓？

部分代码

in_convex_hulls = []  # 在内部的凸包
in_centers = []  # 存放在内部的中心点
for convex_hull in new_hull:
    found = False  # 一个凸包内可能包含多个中心点，所以添加一个标志防止重复添加进列表。
    # 调用is_inside()函数检测点是否在凸包内
    for i,center in enumerate(centers):
        if is_inside(convex_hull, center):  # 思路：再遍历一边所有的中心点，找出中心点对应的凸包
            in_convex_hulls.append(convex_hull)
            in_centers.append(center)
            # cv2.drawContours(image, [convex_hull], 0, (0, 0, 255), 2)
            found = True
            break

我想要达到的结果，如果你需要快速回答，请尝试 “付费悬赏”

多个图形存在包含关系，将包含关系的图形辨认为一个轮廓。

你可以看下这个问题的回答https://ask.csdn.net/questions/7600270

https://blog.csdn.net/weixin_46131719/article/details/122395359

用这个实例的思路，链接：https://blog.csdn.net/weixin_44634704/article/details/126489355
【通过寻找轮廓、绘制轮廓去分析相似度和包含情况】

这篇文章参考一下，https://www.codenong.com/29663764/

我理解你的意思是将红色的两个图形识别为一个轮廓。这是做不到的，因为图像中轮廓的定义是一条连续的封闭的曲线，两个红色图性不相连，所以必然不能构成一个轮廓。

你如果一定要做，可以自行构造：
（1）识别所有轮廓；
（2）根据识别的轮廓，仅选择外层轮廓获取其编号；
（3）对于每个外层轮廓编号如 Ce，根据所有轮廓属性，查找父轮廓编号为 Ce 的轮廓 C1,C2,...
（4）构造你要的轮廓，将 Ce、C1、... 的数据点集合并。

但如果你只是想从查找的轮廓中，找到包含关系，则非常简单，按照轮廓属性查找父轮廓/子轮廓即可。
hierarchy：轮廓的层次结构和拓扑信息，是一个形如 (1,k,4) 的 Numpy 数组。hierarchy[0][i] 表示第 i 个轮廓的层次结构，是包含 4个值的数组 [Next, Previous, First Child, Parent]，分别代表第 i 个轮廓的同层的后一个轮廓、同层的前一个轮廓、第一个子轮廓、父轮廓的编号
你可以先看一下：【youcans 的 OpenCV 例程200篇】194.寻找图像轮廓(https://blog.csdn.net/youcans/article/details/124997148)

使用 OpenCV 中的 findContours 函数可以轻松地检测出图像中的轮廓。此函数可以接受一个二值图像（即黑白图像）并返回图像中所有轮廓的列表。

findContours 函数有多个参数，其中最重要的是两个：mode 和 method。mode 参数决定轮廓的检测模式，method 参数决定轮廓的近似方法。

你可以使用 method 参数将包含关系的轮廓视为一个轮廓。method 参数接受一个整数值，其中 CV_CHAIN_APPROX_NONE 表示保留所有轮廓点，CV_CHAIN_APPROX_SIMPLE 表示仅保留拐点。因此，可以使用 CV_CHAIN_APPROX_SIMPLE 参数来将所有包含关系的轮廓视为一个轮廓。

参考

import cv2

# 读入图像并转化为二值图像
image = cv2.imread("image.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 检测轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 3)

# 显示图像
cv2.imshow("Image", image)
cv2.waitKey(0)

cv2.findContours（）这个函数，将mode参数设置为cv2.RETR_EXTERNAL，就只检测外轮廓，不会检测内嵌轮廓，这时候的外轮廓就是你要的另个轮廓合并为一个。而cv2.RETR_TREE这个参数的话，适合根据hierarchy给出的轮廓关系来玩一些花活，比如填充两个轮廓之间的区域，内部子轮廓为空等

import cv2
import numpy as np
src=cv2.imread('1.png')
gray=cv2.cvtColor(src,cv2.COLOR_BGR2GRAY)
_,thresh=cv2.threshold(gray,100,255,cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(thresh,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cv2.drawContours(src, contours, -1, (0, 0, 255), -1,8)
cv2.imshow('1',src)
cv2.waitKey()

在 OpenCV 中，你可以使用函数 cv2.findContours() 来找到图像中的轮廓。这个函数会返回一个列表，列表中的每个元素都是一个轮廓。你可以使用 cv2.drawContours() 函数来在图像上绘制轮廓。

下面是一个例子，展示了如何找到一幅图像中所有轮廓：

import cv2

# 读取图像
image = cv2.imread('image.png')

# 转化为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 找到轮廓
_, contours, _ = cv2.findContours(gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 0, 255), 3)

# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)

如果你想要找到包含关系的轮廓，你可以使用函数 cv2.findContours() 的第二个参数。这个参数表示轮廓检索模式，有以下几种选择：

cv2.RETR_EXTERNAL：只检索最外层的轮廓
cv2.RETR_LIST：检索所有轮廓，但不建立层级关系
cv2.RETR_CCOMP：检索所有轮廓，并将其组织为两层结构，其中外层轮廓包含内层轮廓
cv2.RETR_TREE：检索所有轮廓，并建立完

你可以使用 cv2.RETR_TREE 这个参数来检索所有轮廓，并建立完整的层级关系。这样，你就可以通过遍历这些轮廓的层级关系来找到包含关系的轮廓了。

下面是一个例子，展示了如何找到包含关系的轮廓：

import cv2

# 读取图像
image = cv2.imread('image.png')

# 转化为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 找到轮廓
_, contours, _ = cv2.findContours(gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有轮廓
for contour in contours:
    # 找到当前轮廓的父轮廓
    parent = contour
    while parent is not None:
        # 绘制父轮廓
        cv2.drawContours(image, [parent], -1, (0, 0, 255), 3)
        # 获取父轮廓的父轮廓
        _, _, _, parent = cv2.convexHull(parent)

# 显示图像
cv2.imshow('Image', image)
cv2.waitKey(0)

在这个例子中，我们使用函数 cv2.convexHull() 来获取当前轮廓的父轮廓。我们循环遍历每一个轮廓，并找到它的父轮廓，最后绘制出来。这样就可以找到包含关系的轮廓了。

findContours的模式就是干这事用的

我等等写给你