本次项目的核心目标有两个：
一是从郁金香图像中精准提取出整束花的外部原始轮廓，排除图像中的背景杂质与无关干扰；
二是通过多边形逼近算法对原始轮廓进行简化，得到平滑的近似轮廓，同时保留郁金香的核心形状特征。
代码如下：
python
1. 读取图像并预处理
img = cv2.imread(r"C:\Users\LEGION\Desktop\fb312a897160f2c9036096f52dbdecf6.png")
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化处理（针对白色背景郁金香，阈值240提升轮廓提取精度）
_, thresh = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
# 2. 提取外部轮廓（OpenCV 3.x专属：返回3个值，下划线忽略无用的处理后图像）
_, contours, hierarchy = cv2.findContours(
thresh,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE
)
if len(contours) == 0:
raise ValueError("未检测到图像轮廓，请调整二值化阈值或检查图像质量")
# 选取面积最大的轮廓（确保是整束花的外部轮廓，排除杂质小轮廓）
target_contour = max(contours, key=cv2.contourArea)
# 3. 计算近似轮廓（ε=周长×0.005，符合题目要求）
contour_perimeter = cv2.arcLength(target_contour, closed=True)
epsilon = 0.005 * contour_perimeter
approx_contour = cv2.approxPolyDP(target_contour, epsilon, closed=True)
# 4. 核心：创建两个独立图像副本，分别绘制单一轮廓（避免叠加，实现分开输出）
# 副本1：仅绘制红色原始外部轮廓
img_red_original = img.copy()
cv2.drawContours(
img_red_original,
[target_contour],
0,
(0, 0, 255), # OpenCV BGR格式：红色
2 # 线宽
)
# 副本2：仅绘制绿色近似轮廓
img_green_approx = img.copy()
cv2.drawContours(
img_green_approx,
[approx_contour],
0,
(0, 255, 0), # OpenCV BGR格式：绿色
2 # 线宽
)
# 5. 分开显示：两个独立窗口展示结果（可视化查看）
# 窗口1：红色原始轮廓
cv2.namedWindow("Result 1: Red Original Contour", cv2.WINDOW_NORMAL)
cv2.imshow("Result 1: Red Original Contour", img_red_original)
# 窗口2：绿色近似轮廓
cv2.namedWindow("Result 2: Green Approx Contour", cv2.WINDOW_NORMAL)
cv2.imshow("Result 2: Green Approx Contour", img_green_approx)
# 6. 分开保存：两个独立文件持久化存储（可长期查看，保存在代码同级目录）
cv2.imwrite('flower_red_original_contour.png', img_red_original)
cv2.imwrite('flower_green_approx_contour.png', img_green_approx)
# 打印保存提示
print("分开保存完成，文件路径：")
print("1. 红色原始轮廓：flower_red_original_contour.png")
print("2. 绿色近似轮廓：flower_green_approx_contour.png")
# 等待按键输入后关闭所有显示窗口
cv2.waitKey(0)
cv2.destroyAllWindows()注释：
二值化处理 ：二值化处理是将灰度图像转换为只有黑色和白色两种像素值的图像，这样能够突出目标物体与背景的边界，方便后续轮廓提取。我们使用cv2.threshold()函数进行二值化处理，该函数有四个核心参数：
-
第一个参数：待二值化的灰度图像（
gray）； -
第二个参数：阈值（240），本次实战中郁金香图像的背景是白色，像素值接近 255，郁金香本身的像素值低于 240，因此选择 240 作为阈值能够很好地区分郁金香和背景；
-
第三个参数：最大值（255），当像素值超过阈值（或低于阈值，取决于二值化类型）时，将其设置为该最大值；
-
第四个参数：二值化类型（
cv2.THRESH_BINARY_INV），表示反向二值化，即像素值低于阈值的设置为 255（白色），高于阈值的设置为 0（黑色）。这样处理后，郁金香会变成白色，背景会变成黑色，更符合 OpenCV 轮廓提取的要求。
cv2.findContours()函数有三个核心参数：
-
第一个参数：二值化图像（
thresh）； -
第二个参数：轮廓检索模式（
cv2.RETR_EXTERNAL），表示只提取最外层的轮廓，忽略内部的子轮廓，这正是我们需要的郁金香外部轮廓； -
第三个参数：轮廓逼近方法（
cv2.CHAIN_APPROX_SIMPLE），表示压缩轮廓点，只保留轮廓的关键点（如直线的端点、曲线的拐点），能够大幅减少轮廓点的数量，节省内存空间。
运行结果：
（红色的为原始轮廓，绿色的为近似轮廓）
将两个图像的结果放在成同一张图上
代码如下：
python
import cv2
# 1. 读取图像并预处理
img = cv2.imread(r"C:\Users\LEGION\Desktop\fb312a897160f2c9036096f52dbdecf6.png")
# 转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化处理（针对白色背景郁金香，阈值240提升轮廓提取精度）
_, thresh = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
# 2. 提取外部轮廓（OpenCV 3.x专属：返回3个值，下划线忽略无用的处理后图像）
_, contours, hierarchy = cv2.findContours(
thresh,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE
)
if len(contours) == 0:
raise ValueError("未检测到图像轮廓，请调整二值化阈值或检查图像质量")
# 选取面积最大的轮廓（确保是整束花的外部轮廓，排除杂质小轮廓）
target_contour = max(contours, key=cv2.contourArea)
# 3. 计算近似轮廓（ε=周长×0.005，符合题目要求）
contour_perimeter = cv2.arcLength(target_contour, closed=True)
epsilon = 0.005 * contour_perimeter
approx_contour = cv2.approxPolyDP(target_contour, epsilon, closed=True)
# 4. 核心：创建单个图像副本，在同一张图上绘制两种轮廓（红色原始+绿色近似）
img_combined = img.copy() # 仅创建一个图像副本，用于合并两种轮廓
# 先绘制红色原始外部轮廓
cv2.drawContours(
img_combined,
[target_contour],
0,
(0, 0, 255), # OpenCV BGR格式：红色
2 # 线宽
)
# 再绘制绿色近似轮廓（在同一个副本上叠加绘制）
cv2.drawContours(
img_combined,
[approx_contour],
0,
(0, 255, 0), # OpenCV BGR格式：绿色
2 # 线宽
)
# 5. 可视化展示：单个窗口展示合并结果
cv2.namedWindow("Result: Red Original Contour + Green Approx Contour", cv2.WINDOW_NORMAL)
cv2.imshow("Result: Red Original Contour + Green Approx Contour", img_combined)
# 6. 保存结果：单个文件保存合并后的图像
cv2.imwrite('flower_combined_contours.png', img_combined)
# 打印保存提示
print("合并结果保存完成，文件路径：")
print("合并轮廓图像：flower_combined_contours.png")
# 等待按键输入后关闭所有显示窗口
cv2.waitKey(0)
cv2.destroyAllWindows()轮廓叠加绘制 ：在img_combined上先调用cv2.drawContours()绘制红色原始轮廓，再调用一次该函数绘制绿色近似轮廓，OpenCV 会自动将两种轮廓叠加在同一张图上，红色和绿色对比清晰，能直观看到轮廓近似的简化效果。
运行结果：
