尧图网站建设 
简介这份资源是面向.NET开发者与计算机视觉初学者的OpenCvSharp轮廓检测实战示例基于OpenCV的C#封装库帮助读者掌握从二值化、轮廓提取到绘制与形状分析的完整流程可应用于物体识别、形状分析与图像分割等场景。压缩包共42个文件约30.09MB包含8个dll动态库、6个cs源码、5个config配置、4个exe可执行程序及sln解决方案、csproj工程文件等源码与依赖库齐全可直接编译运行。示例围绕Cv2.FindContours、DrawContours、ApproxPolyDP等核心方法展开涵盖轮廓属性获取、层次结构遍历、轮廓近似与形状匹配等知识点并配有测试图片便于快速验证效果。目前已有594人学习下载适合希望以最小成本上手OpenCvSharp轮廓检测、对照代码理解图像处理流水线的开发者参考实践。1. OpenCvSharp 轮廓检测从一张 .rar 压缩包到能跑通的工业视觉链路手里拿到一个叫「OpenCvSharp 轮廓检测.rar」的压缩包多数人的第一反应是解压、找 sln、F5 跑起来看效果。但真正在产线上用过 OpenCvSharp 做轮廓检测的工程师都知道能跑起来和能上线之间隔着一条河阈值怎么定、轮廓怎么筛、坐标怎么映射回原图、相机流延迟怎么压每一步都能让结果从「看着还行」变成「批量误判」。这篇笔记就围绕 OpenCvSharp 轮廓检测这条链路把从环境配置、图像预处理、轮廓提取、特征筛选到结果可视化的完整路径拆开讲同时把 RTSP 流拉取这类高频配套需求一起说清楚。适合已经会用 C# 写点东西、想把 OpenCV 那套轮廓算法搬到 .NET 工程里的开发者也适合做视觉检测、尺寸测量、缺陷定位的现场工程师。读完你应该能自己搭出一条可复现的轮廓检测流水线并且知道哪些参数一动就会翻车。2. 环境与依赖OpenCvSharp 在 .NET 项目里怎么装才不踩坑2.1 选 OpenCvSharp4 还是 OpenCvSharp3先看运行时依赖OpenCvSharp 目前主流是 OpenCvSharp4 系列底层绑定 OpenCV 4.x。选版本时不要只看 NuGet 上的下载量先确认三件事目标框架、操作系统、以及是否需要调用 contrib 模块。常见做法是新建一个 .NET 6 或 .NET 8 的控制台/WPF 项目然后通过 NuGet 安装两个包OpenCvSharp4和OpenCvSharp4.runtime.winWindows 下。如果是 Linux 部署运行时包换成对应的OpenCvSharp4.runtime.linux-x64之类。很多人只装了OpenCvSharp4就运行结果一调用Cv2.ImRead就抛DllNotFoundException这就是运行时包没装。# 在项目目录下用 dotnet CLI 安装版本按当前稳定版选 dotnet add package OpenCvSharp4 dotnet add package OpenCvSharp4.runtime.win逻辑说明OpenCvSharp4是托管封装层提供 C# APIOpenCvSharp4.runtime.win携带原生OpenCvSharpExtern.dll及其依赖的 OpenCV 动态库。两者版本号尽量保持一致否则可能出现托管层和原生层接口对不上的玄学崩溃。参数上如果项目要处理视频流建议再确认OpenCvSharp4.Extensions是否需要它提供了一些Bitmap与Mat互转的便利方法但并非轮廓检测必需。2.2 第一个可运行的最小轮廓检测程序环境装好后先写一个最小闭环读一张图、转灰度、二值化、找轮廓、画出来。不要一上来就接相机先把静态图跑通确认 OpenCvSharp 本身没问题。using OpenCvSharp; class Program { static void Main() { // 读取图像ImRead 默认返回 BGR 三通道 using var src Cv2.ImRead(test.png, ImreadModes.Color); if (src.Empty()) { System.Console.WriteLine(图像读取失败检查路径); return; } // 转灰度轮廓检测通常在单通道上做 using var gray new Mat(); Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY); // 二值化THRESH_BINARY OTSU 自动阈值 using var binary new Mat(); Cv2.Threshold(gray, binary, 0, 255, ThresholdTypes.Binary | ThresholdTypes.Otsu); // 查找轮廓RETR_EXTERNAL 只取最外层 Cv2.FindContours(binary, out Point[][] contours, out HierarchyIndex[] hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxSimple); // 在原图上绘制轮廓绿色线宽 2 Cv2.DrawContours(src, contours, -1, new Scalar(0, 255, 0), 2); Cv2.ImWrite(result.png, src); System.Console.WriteLine($找到 {contours.Length} 个轮廓); } }逻辑说明CvtColor把 BGR 转成灰度减少计算量Threshold用 OTSU 自动找阈值适合前景背景对比明显的场景FindContours的RetrievalModes.External表示只提取最外层轮廓ApproxSimple会压缩水平、垂直、对角方向的冗余点。参数上Threshold的maxval设为 255 是常规做法DrawContours的-1表示绘制所有轮廓。跑完这一步如果result.png里轮廓位置对说明基础链路通了。2.3 RTSP 流拉取把轮廓检测接到实时视频上很多现场需求不是读图片而是从网络相机拉 RTSP 流做实时轮廓检测。OpenCvSharp 用VideoCapture就能接 RTSP但默认走 UDP丢包时画面会花。热搜里提到的「opencvsharp配置rtsp流为tcp」就是解决这个问题的常见操作。using OpenCvSharp; // 在打开前设置 FFmpeg 参数强制 RTSP over TCP var capture new VideoCapture(); capture.Set(VideoCaptureProperties.BufferSize, 1); // 减小缓冲降低延迟 // 通过环境变量或 Open 前设置OpenCvSharp 支持传入参数 capture.Open(rtsp://user:pass192.168.1.10:554/stream, VideoCaptureAPIs.FFMPEG); using var frame new Mat(); while (true) { if (!capture.Read(frame) || frame.Empty()) { System.Console.WriteLine(取流失败检查网络或地址); break; } // 后续轮廓检测逻辑与静态图一致 }逻辑说明VideoCaptureProperties.BufferSize设为 1 能减少内部缓存帧数让画面更接近实时。强制 TCP 的常见做法是在进程启动前设置环境变量OPENCV_FFMPEG_CAPTURE_OPTIONS值为rtsp_transport;tcp。参数上RTSP 地址里的用户名密码要按实际相机填VideoCaptureAPIs.FFMPEG指定后端Windows 下通常自带。注意TCP 模式延迟略高于 UDP但稳定性好很多产线上更推荐。3. 轮廓检测的核心参数阈值、检索模式与近似方法怎么定3.1 二值化阈值OTSU 不是万能药轮廓检测的第一步几乎都是二值化而阈值直接决定轮廓的完整性和数量。OTSU 适合双峰直方图的图像也就是前景和背景灰度差异明显的情况。如果图像光照不均OTSU 会把阴影也当成前景轮廓就碎了。这时候常见做法是改用自适应阈值AdaptiveThreshold或者先做高斯模糊再 OTSU。// 自适应阈值局部区域计算阈值适合光照不均 using var binary new Mat(); Cv2.AdaptiveThreshold(gray, binary, 255, AdaptiveThresholdTypes.GaussianC, ThresholdTypes.Binary, 11, 2);逻辑说明AdaptiveThresholdTypes.GaussianC表示阈值等于局部加权平均减去常数 CblockSize设为 11 表示 11x11 的邻域必须是奇数C设为 2 是经验值越大越容易把暗区判为背景。参数上blockSize太小会放大噪声太大则丢失局部细节一般从 11 或 15 开始试。如果轮廓仍然断裂可以在二值化前加Cv2.GaussianBlur(gray, gray, new Size(5, 5), 0)。3.2 检索模式External、List、Tree 到底选哪个FindContours的RetrievalModes决定轮廓之间的组织关系。External只取最外层适合数零件个数List取所有轮廓不建立父子关系Tree建立完整层级适合分析孔洞嵌套。选错模式不会报错但结果会多出或漏掉轮廓。检索模式适用场景轮廓数量特点External数独立物体、外轮廓定位只返回最外层数量少List所有轮廓都要不关心层级返回全部含内孔Tree需要分析孔洞、嵌套结构返回全部并带层级索引CComp两层结构外轮廓和内孔介于 List 和 Tree 之间参数上如果做尺寸测量通常用External就够如果检测 PCB 焊盘孔洞得用Tree并通过hierarchy判断父子关系。ApproxSimple会压缩轮廓点适合形状规整的物体如果轮廓是圆弧或曲线改用ApproxNone保留所有点后续再做拟合。3.3 轮廓筛选面积、周长、外接矩形怎么组合找到轮廓只是开始真正难的是从一堆轮廓里挑出目标。常见筛选维度有面积、周长、外接矩形宽高比、凸性、以及 Hu 矩。面积筛选最直接但阈值要靠统计定不能拍脑袋。foreach (var contour in contours) { double area Cv2.ContourArea(contour); if (area 500 || area 50000) continue; // 面积过滤 var rect Cv2.BoundingRect(contour); double ratio (double)rect.Width / rect.Height; if (ratio 0.8 || ratio 1.2) continue; // 宽高比过滤 double perimeter Cv2.ArcLength(contour, true); double circularity 4 * System.Math.PI * area / (perimeter * perimeter); if (circularity 0.7) continue; // 圆形度过滤 Cv2.Rectangle(src, rect, new Scalar(0, 0, 255), 2); }逻辑说明ContourArea计算轮廓面积BoundingRect返回正外接矩形ArcLength的第二个参数true表示闭合轮廓。圆形度公式4πA/P²越接近 1 越像圆。参数上面积上下限要根据实际像素统计比如先跑一批图打印面积分布再定阈值。宽高比和圆形度是组合条件不要单独用否则容易漏检。4. 避坑与排查轮廓检测现场最容易翻车的 5 个点4.1 轮廓数量对但位置偏移坐标没映射回原图现象在二值图上画的轮廓位置正确但画到原图上整体偏移。原因如果中间做了 ROI 裁剪或缩放轮廓坐标是相对裁剪图的直接画到原图就会偏。解决记录裁剪的偏移量(offsetX, offsetY)和缩放比例绘制前用Cv2.Offset或手动加偏移。4.2 轮廓断裂成多段阈值或噪声导致现象一个完整物体被拆成好几条轮廓。原因二值化阈值过高或图像噪声多边缘不连续。解决先高斯模糊再调低阈值或改用自适应阈值也可以对二值图做形态学闭运算Cv2.MorphologyEx(binary, binary, MorphTypes.Close, kernel)把断口连上。4.3 RTSP 取流几秒后卡死缓冲堆积现象程序跑几秒后Read返回 false 或画面卡住。原因VideoCapture内部缓冲堆积网络抖动时旧帧没消费完。解决设置BufferSize为 1并在循环里用独立线程取流主线程只处理最新帧必要时加超时重连逻辑。4.4 内存持续增长Mat 没释放现象长时间运行后内存上涨最终 OOM。原因Mat是非托管资源using没写或异常路径漏释放。解决所有Mat、VideoCapture都用using包裹循环内创建的临时Mat要显式Dispose不要依赖 GC。4.5 轮廓顺序不稳定不同帧顺序不一致现象同一物体在不同帧里轮廓索引变化导致跟踪错乱。原因FindContours返回顺序不保证稳定。解决不要依赖索引改用轮廓的质心或外接矩形位置做匹配或者按面积、位置排序后再处理。5. 进阶技巧用轮廓做尺寸测量与结果验证轮廓检测最终要落到测量或判定上。一个实用技巧是用MinAreaRect替代BoundingRect前者返回带旋转角的外接矩形适合倾斜物体。拿到RotatedRect后Size就是物体的长宽单位是像素再乘以标定系数就是实际尺寸。var minRect Cv2.MinAreaRect(contour); var box Cv2.BoxPoints(minRect); // 四个顶点 var points box.Select(p new Point((int)p.X, (int)p.Y)).ToArray(); Cv2.Polylines(src, new[] { points }, true, new Scalar(255, 0, 0), 2); // 标定系数比如 1 像素 0.02 mm double pixelToMm 0.02; double widthMm minRect.Size.Width * pixelToMm; double heightMm minRect.Size.Height * pixelToMm;逻辑说明MinAreaRect返回的Size是矩形的宽高BoxPoints给出四个角点用于绘制。参数上pixelToMm必须通过标定板或已知尺寸物体提前算好不能估。验证方法拿一个已知尺寸的标准件跑 10 次取平均看误差是否在公差内。如果误差大检查镜头畸变是否校正、标定系数是否用同一高度。我自己的习惯是每调完一组参数先拿 20 张历史图跑一遍把轮廓数量、面积分布、测量值打印出来和上一版对比。参数改动超过 10% 就要重新统计不能只看单张效果图。轮廓检测这行玄学往往来自没量化血泪经验就是能打印的别靠眼睛看。希望帮到你。本文还有配套的精品资源点击获取 OpenCvSharp轮廓检测实战：从环境配置到工业视觉链路
简介这份资源是面向.NET开发者与计算机视觉初学者的OpenCvSharp轮廓检测实战示例基于OpenCV的C#封装库帮助读者掌握从二值化、轮廓提取到绘制与形状分析的完整流程可应用于物体识别、形状分析与图像分割等场景。压缩包共42个文件约30.09MB包含8个dll动态库、6个cs源码、5个config配置、4个exe可执行程序及sln解决方案、csproj工程文件等源码与依赖库齐全可直接编译运行。示例围绕Cv2.FindContours、DrawContours、ApproxPolyDP等核心方法展开涵盖轮廓属性获取、层次结构遍历、轮廓近似与形状匹配等知识点并配有测试图片便于快速验证效果。目前已有594人学习下载适合希望以最小成本上手OpenCvSharp轮廓检测、对照代码理解图像处理流水线的开发者参考实践。1. OpenCvSharp 轮廓检测从一张 .rar 压缩包到能跑通的工业视觉链路手里拿到一个叫「OpenCvSharp 轮廓检测.rar」的压缩包多数人的第一反应是解压、找 sln、F5 跑起来看效果。但真正在产线上用过 OpenCvSharp 做轮廓检测的工程师都知道能跑起来和能上线之间隔着一条河阈值怎么定、轮廓怎么筛、坐标怎么映射回原图、相机流延迟怎么压每一步都能让结果从「看着还行」变成「批量误判」。这篇笔记就围绕 OpenCvSharp 轮廓检测这条链路把从环境配置、图像预处理、轮廓提取、特征筛选到结果可视化的完整路径拆开讲同时把 RTSP 流拉取这类高频配套需求一起说清楚。适合已经会用 C# 写点东西、想把 OpenCV 那套轮廓算法搬到 .NET 工程里的开发者也适合做视觉检测、尺寸测量、缺陷定位的现场工程师。读完你应该能自己搭出一条可复现的轮廓检测流水线并且知道哪些参数一动就会翻车。2. 环境与依赖OpenCvSharp 在 .NET 项目里怎么装才不踩坑2.1 选 OpenCvSharp4 还是 OpenCvSharp3先看运行时依赖OpenCvSharp 目前主流是 OpenCvSharp4 系列底层绑定 OpenCV 4.x。选版本时不要只看 NuGet 上的下载量先确认三件事目标框架、操作系统、以及是否需要调用 contrib 模块。常见做法是新建一个 .NET 6 或 .NET 8 的控制台/WPF 项目然后通过 NuGet 安装两个包OpenCvSharp4和OpenCvSharp4.runtime.winWindows 下。如果是 Linux 部署运行时包换成对应的OpenCvSharp4.runtime.linux-x64之类。很多人只装了OpenCvSharp4就运行结果一调用Cv2.ImRead就抛DllNotFoundException这就是运行时包没装。# 在项目目录下用 dotnet CLI 安装版本按当前稳定版选 dotnet add package OpenCvSharp4 dotnet add package OpenCvSharp4.runtime.win逻辑说明OpenCvSharp4是托管封装层提供 C# APIOpenCvSharp4.runtime.win携带原生OpenCvSharpExtern.dll及其依赖的 OpenCV 动态库。两者版本号尽量保持一致否则可能出现托管层和原生层接口对不上的玄学崩溃。参数上如果项目要处理视频流建议再确认OpenCvSharp4.Extensions是否需要它提供了一些Bitmap与Mat互转的便利方法但并非轮廓检测必需。2.2 第一个可运行的最小轮廓检测程序环境装好后先写一个最小闭环读一张图、转灰度、二值化、找轮廓、画出来。不要一上来就接相机先把静态图跑通确认 OpenCvSharp 本身没问题。using OpenCvSharp; class Program { static void Main() { // 读取图像ImRead 默认返回 BGR 三通道 using var src Cv2.ImRead(test.png, ImreadModes.Color); if (src.Empty()) { System.Console.WriteLine(图像读取失败检查路径); return; } // 转灰度轮廓检测通常在单通道上做 using var gray new Mat(); Cv2.CvtColor(src, gray, ColorConversionCodes.BGR2GRAY); // 二值化THRESH_BINARY OTSU 自动阈值 using var binary new Mat(); Cv2.Threshold(gray, binary, 0, 255, ThresholdTypes.Binary | ThresholdTypes.Otsu); // 查找轮廓RETR_EXTERNAL 只取最外层 Cv2.FindContours(binary, out Point[][] contours, out HierarchyIndex[] hierarchy, RetrievalModes.External, ContourApproximationModes.ApproxSimple); // 在原图上绘制轮廓绿色线宽 2 Cv2.DrawContours(src, contours, -1, new Scalar(0, 255, 0), 2); Cv2.ImWrite(result.png, src); System.Console.WriteLine($找到 {contours.Length} 个轮廓); } }逻辑说明CvtColor把 BGR 转成灰度减少计算量Threshold用 OTSU 自动找阈值适合前景背景对比明显的场景FindContours的RetrievalModes.External表示只提取最外层轮廓ApproxSimple会压缩水平、垂直、对角方向的冗余点。参数上Threshold的maxval设为 255 是常规做法DrawContours的-1表示绘制所有轮廓。跑完这一步如果result.png里轮廓位置对说明基础链路通了。2.3 RTSP 流拉取把轮廓检测接到实时视频上很多现场需求不是读图片而是从网络相机拉 RTSP 流做实时轮廓检测。OpenCvSharp 用VideoCapture就能接 RTSP但默认走 UDP丢包时画面会花。热搜里提到的「opencvsharp配置rtsp流为tcp」就是解决这个问题的常见操作。using OpenCvSharp; // 在打开前设置 FFmpeg 参数强制 RTSP over TCP var capture new VideoCapture(); capture.Set(VideoCaptureProperties.BufferSize, 1); // 减小缓冲降低延迟 // 通过环境变量或 Open 前设置OpenCvSharp 支持传入参数 capture.Open(rtsp://user:pass192.168.1.10:554/stream, VideoCaptureAPIs.FFMPEG); using var frame new Mat(); while (true) { if (!capture.Read(frame) || frame.Empty()) { System.Console.WriteLine(取流失败检查网络或地址); break; } // 后续轮廓检测逻辑与静态图一致 }逻辑说明VideoCaptureProperties.BufferSize设为 1 能减少内部缓存帧数让画面更接近实时。强制 TCP 的常见做法是在进程启动前设置环境变量OPENCV_FFMPEG_CAPTURE_OPTIONS值为rtsp_transport;tcp。参数上RTSP 地址里的用户名密码要按实际相机填VideoCaptureAPIs.FFMPEG指定后端Windows 下通常自带。注意TCP 模式延迟略高于 UDP但稳定性好很多产线上更推荐。3. 轮廓检测的核心参数阈值、检索模式与近似方法怎么定3.1 二值化阈值OTSU 不是万能药轮廓检测的第一步几乎都是二值化而阈值直接决定轮廓的完整性和数量。OTSU 适合双峰直方图的图像也就是前景和背景灰度差异明显的情况。如果图像光照不均OTSU 会把阴影也当成前景轮廓就碎了。这时候常见做法是改用自适应阈值AdaptiveThreshold或者先做高斯模糊再 OTSU。// 自适应阈值局部区域计算阈值适合光照不均 using var binary new Mat(); Cv2.AdaptiveThreshold(gray, binary, 255, AdaptiveThresholdTypes.GaussianC, ThresholdTypes.Binary, 11, 2);逻辑说明AdaptiveThresholdTypes.GaussianC表示阈值等于局部加权平均减去常数 CblockSize设为 11 表示 11x11 的邻域必须是奇数C设为 2 是经验值越大越容易把暗区判为背景。参数上blockSize太小会放大噪声太大则丢失局部细节一般从 11 或 15 开始试。如果轮廓仍然断裂可以在二值化前加Cv2.GaussianBlur(gray, gray, new Size(5, 5), 0)。3.2 检索模式External、List、Tree 到底选哪个FindContours的RetrievalModes决定轮廓之间的组织关系。External只取最外层适合数零件个数List取所有轮廓不建立父子关系Tree建立完整层级适合分析孔洞嵌套。选错模式不会报错但结果会多出或漏掉轮廓。检索模式适用场景轮廓数量特点External数独立物体、外轮廓定位只返回最外层数量少List所有轮廓都要不关心层级返回全部含内孔Tree需要分析孔洞、嵌套结构返回全部并带层级索引CComp两层结构外轮廓和内孔介于 List 和 Tree 之间参数上如果做尺寸测量通常用External就够如果检测 PCB 焊盘孔洞得用Tree并通过hierarchy判断父子关系。ApproxSimple会压缩轮廓点适合形状规整的物体如果轮廓是圆弧或曲线改用ApproxNone保留所有点后续再做拟合。3.3 轮廓筛选面积、周长、外接矩形怎么组合找到轮廓只是开始真正难的是从一堆轮廓里挑出目标。常见筛选维度有面积、周长、外接矩形宽高比、凸性、以及 Hu 矩。面积筛选最直接但阈值要靠统计定不能拍脑袋。foreach (var contour in contours) { double area Cv2.ContourArea(contour); if (area 500 || area 50000) continue; // 面积过滤 var rect Cv2.BoundingRect(contour); double ratio (double)rect.Width / rect.Height; if (ratio 0.8 || ratio 1.2) continue; // 宽高比过滤 double perimeter Cv2.ArcLength(contour, true); double circularity 4 * System.Math.PI * area / (perimeter * perimeter); if (circularity 0.7) continue; // 圆形度过滤 Cv2.Rectangle(src, rect, new Scalar(0, 0, 255), 2); }逻辑说明ContourArea计算轮廓面积BoundingRect返回正外接矩形ArcLength的第二个参数true表示闭合轮廓。圆形度公式4πA/P²越接近 1 越像圆。参数上面积上下限要根据实际像素统计比如先跑一批图打印面积分布再定阈值。宽高比和圆形度是组合条件不要单独用否则容易漏检。4. 避坑与排查轮廓检测现场最容易翻车的 5 个点4.1 轮廓数量对但位置偏移坐标没映射回原图现象在二值图上画的轮廓位置正确但画到原图上整体偏移。原因如果中间做了 ROI 裁剪或缩放轮廓坐标是相对裁剪图的直接画到原图就会偏。解决记录裁剪的偏移量(offsetX, offsetY)和缩放比例绘制前用Cv2.Offset或手动加偏移。4.2 轮廓断裂成多段阈值或噪声导致现象一个完整物体被拆成好几条轮廓。原因二值化阈值过高或图像噪声多边缘不连续。解决先高斯模糊再调低阈值或改用自适应阈值也可以对二值图做形态学闭运算Cv2.MorphologyEx(binary, binary, MorphTypes.Close, kernel)把断口连上。4.3 RTSP 取流几秒后卡死缓冲堆积现象程序跑几秒后Read返回 false 或画面卡住。原因VideoCapture内部缓冲堆积网络抖动时旧帧没消费完。解决设置BufferSize为 1并在循环里用独立线程取流主线程只处理最新帧必要时加超时重连逻辑。4.4 内存持续增长Mat 没释放现象长时间运行后内存上涨最终 OOM。原因Mat是非托管资源using没写或异常路径漏释放。解决所有Mat、VideoCapture都用using包裹循环内创建的临时Mat要显式Dispose不要依赖 GC。4.5 轮廓顺序不稳定不同帧顺序不一致现象同一物体在不同帧里轮廓索引变化导致跟踪错乱。原因FindContours返回顺序不保证稳定。解决不要依赖索引改用轮廓的质心或外接矩形位置做匹配或者按面积、位置排序后再处理。5. 进阶技巧用轮廓做尺寸测量与结果验证轮廓检测最终要落到测量或判定上。一个实用技巧是用MinAreaRect替代BoundingRect前者返回带旋转角的外接矩形适合倾斜物体。拿到RotatedRect后Size就是物体的长宽单位是像素再乘以标定系数就是实际尺寸。var minRect Cv2.MinAreaRect(contour); var box Cv2.BoxPoints(minRect); // 四个顶点 var points box.Select(p new Point((int)p.X, (int)p.Y)).ToArray(); Cv2.Polylines(src, new[] { points }, true, new Scalar(255, 0, 0), 2); // 标定系数比如 1 像素 0.02 mm double pixelToMm 0.02; double widthMm minRect.Size.Width * pixelToMm; double heightMm minRect.Size.Height * pixelToMm;逻辑说明MinAreaRect返回的Size是矩形的宽高BoxPoints给出四个角点用于绘制。参数上pixelToMm必须通过标定板或已知尺寸物体提前算好不能估。验证方法拿一个已知尺寸的标准件跑 10 次取平均看误差是否在公差内。如果误差大检查镜头畸变是否校正、标定系数是否用同一高度。我自己的习惯是每调完一组参数先拿 20 张历史图跑一遍把轮廓数量、面积分布、测量值打印出来和上一版对比。参数改动超过 10% 就要重新统计不能只看单张效果图。轮廓检测这行玄学往往来自没量化血泪经验就是能打印的别靠眼睛看。希望帮到你。本文还有配套的精品资源点击获取