您可以使用np.column_stack() + np.where()。想法是确定二进制图像中的白色像素，然后按相应的(x,y)顺序

coords = np.column_stack(np.where(image > 0))

另一种方法是使用OpenCV的cv2.boundingRect()查找边界矩形的坐标。这将为您提供宽度，高度和左上角(x,y)坐标。这是一个找到坐标然后将多边形绘制到空白蒙版上的示例

import cv2
import numpy as np

image = cv2.imread('1.png',0)
x,y,w,h = cv2.boundingRect(image)
mask = np.ones(image.shape,dtype=np.uint8) * 255
mask = cv2.merge([mask,mask,mask])
cv2.rectangle(mask,(x,y),(x + w,y + h),(36,255,12),2)

cv2.imshow('mask',mask)
cv2.waitKey()

您可以使用skimage.measure.regionprops函数将正方形视为对象并使用其属性。

我强烈建议您看一下该文档，因为它在许多情况下都是非常有用的功能：

https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.regionprops

此外，还有skimage.measure.regionprops_table可以给您一个字典，可以隐蔽到熊猫数据框。

这是我的解决方法：

from skimage.io import imread
from skimage.measure import regionprops_table
from pandas import DataFrame

import numpy as np
import matplotlib.pyplot as plt

rectangle = imread('rectangle_img.png')    
props_rect = DataFrame(regionprops_table(rectangle,properties=['coords']))

new_img = np.zeros((rectangle.shape[0],rectangle.shape[1]))

for point in props_rect['coords'][0]:

    new_img[point[0],point[1]] = 1


plt.imshow(new_img)

使用cv2.findContours既适用于复杂形状也适用于多个对象。 Polygons列表包含coords列表，每个列表看起来都像这样[x1，y1，x2，y2，x3，y3，...]。

contours,_ = cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
polygons = []

    for object in contours:
        coords = []
        
        for point in object:
            coords.append(int(point[0][0]))
            coords.append(int(point[0][1]))

        polygons.append(coords)