本文将介绍如何利用OpenCV (cv2)和NumPy对图像进行一系列操作：
调整图像尺寸并旋转
使用 Canny 算法进行边缘检测
提取最大轮廓并生成掩模
利用掩模提取原图中的目标区域并保存
我们将以下面这张图作为示例，目标是提取图像中最大的物体区域，并保存成一张新图片
导入库 + 读取图片 + 预处理
# 1. 导入需要的库 import cv2 import numpy as np # -------------------------- 读取并预处理图片 -------------------------- # 读取图片（把路径换成你自己的图片路径） img = cv2.imread(r"C:\Users\LEGION\Desktop\fba8f805b62cae66c6579969abeb86d8.jpg") # 检查图片是否读取成功（非常重要！） if img is None: raise FileNotFoundError("图片读取失败，请检查路径是否正确！") # 统一调整图片大小：宽640，高480 img_resized = cv2.resize(img, (640, 480)) # 逆时针旋转90度（让扇子摆正，方便检测） img_rotated = cv2.rotate(img_resized, cv2.ROTATE_90_COUNTERCLOCKWISE) # 显示效果 cv2.imshow("1-原图预处理后", img_rotated) cv2.waitKey(0) cv2.destroyAllWindows()整尺寸resize()
统一图片大小，降低计算量，保证处理稳定
旋转图片rotate()
ROTATE_90_COUNTERCLOCKWISE= 逆时针 90 度作用：让扇子摆正，边缘检测更准确
注意：
旋转方向要明确，如果写成
cv2.ROTATE_90_CLOCKWISE就会顺时针旋转。缩放先于旋转，可以避免旋转后图像尺寸不一致导致的裁切问题。
Canny 边缘检测（核心步骤）
# -------------------------- Canny边缘检测 -------------------------- # 1. 转为灰度图（边缘检测必须用灰度图） gray = cv2.cvtColor(img_rotated, cv2.COLOR_BGR2GRAY) # 2. 高斯模糊：去噪点（边缘检测前必做） blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 3. Canny边缘检测 edges = cv2.Canny(blurred, 50, 150) # 显示结果 cv2.imshow("2-灰度图", gray) cv2.imshow("3-模糊后", blurred) cv2.imshow("4-Canny边缘结果", edges) cv2.waitKey(0) cv2.destroyAllWindows()灰度化
cvtColor彩色图有 3 个通道，灰度图只有 1 个通道
Canny 边缘检测只接受灰度图
高斯模糊
GaussianBlur(5,5)是模糊核大小（必须奇数）作用：消除噪点，防止把噪点当成边缘
Canny 边缘检测
50：低阈值 —— 小于这个值的边缘会被抛弃150：高阈值 —— 大于这个值的边缘会被保留标准比例：1:2 或 1:3
运行后你会看到：扇子变成白色线条，背景黑色，这就是边缘。
提示：阈值可以调节，低阈值太小会有噪声，太大会丢失细节。
查找轮廓 + 版本兼容处理
# -------------------------- 查找轮廓（兼容所有OpenCV版本） -------------------------- # 查找轮廓 contour_result = cv2.findContours( edges.copy(), cv2.RETR_EXTERNAL, # 只找最外层轮廓 cv2.CHAIN_APPROX_SIMPLE ) # 版本兼容（3.x 和 4.x/5.x 返回值不同） if len(contour_result) == 2: contours, hierarchy = contour_result else: _, contours, hierarchy = contour_result # 判断是否找到轮廓 if not contours: raise ValueError("未检测到扇子轮廓，请调整Canny阈值！") # 选择面积最大的轮廓（扇子主体） max_contour = max(contours, key=cv2.contourArea) print(f"找到 {len(contours)} 个轮廓，最大轮廓面积为：{cv2.contourArea(max_contour)}")findContours查找轮廓从 Canny 边缘图中提取所有闭合形状
RETR_EXTERNAL：只提取最外层，不包含内部小孔
版本兼容
OpenCV 3.x 返回 3 个值
OpenCV 4.x/5.x 返回 2 个值
代码自动适配，不会报错
筛选最大轮廓
扇子是图片中最大的物体
用
max(..., key=cv2.contourArea)自动选出扇子轮廓
生成掩模（Mask）
# -------------------------- 生成掩模 -------------------------- # 创建和图片一样大的全黑图片（掩模） mask = np.zeros_like(img_rotated) # 在掩模上把扇子轮廓涂成白色 cv2.drawContours( mask, # 在哪个图上画 [max_contour], # 画哪个轮廓 -1, # 画所有层级 (255,255,255), # 白色 cv2.FILLED # 填充内部 ) # 显示掩模 cv2.imshow("5-掩模", mask) cv2.waitKey(0) cv2.destroyAllWindows()掩模是什么？
全黑图片 = 不要的区域
白色区域 = 要保留的区域
drawContours填充轮廓cv2.FILLED：填充轮廓内部最终得到一张只有扇子是白色、其余全黑的图片，这就是掩模
掩模作用：告诉程序 “只保留白色区域”。
提取扇子 + 保存图片
# -------------------------- 提取扇子并保存 -------------------------- # 按位与操作：只保留掩模白色区域 result = cv2.bitwise_and(img_rotated, mask) # 保存图片 cv2.imwrite("shanzi.png", result) # 显示最终结果 cv2.imshow("6-最终提取的扇子", result) cv2.waitKey(0) cv2.destroyAllWindows() print("✅ 处理完成！扇子已保存为 shanzi.png")bitwise_and按位与
只有原图和掩模同时为非 0的区域才会保留
黑色区域（0）会被直接过滤
常见问题
检测不到轮廓
把 Canny 阈值调低：
30, 100
提取不完整
模糊核改小：
(3,3)阈值调低
