使用场景概述
假设你手头有一组点的坐标，你想找出这组坐标包围构成的多边形区域中的所有坐标点，即从边界生成分割掩模，也即cv2.findContours的反向操作。
先说这个需求的出发点，假设有一个我们有以下如图所示的AI自动分割的结果，蓝色的边界线是根据分割的二值掩模使用cv2.findContours确定并显示出来的。
直观的一种修改模式（非AI辅助的情况下），人手拖拽边界点即可扩大或缩小边界。
方法介绍和代码分享
由于边界包含了过多且密集的点，使得在后续判定修改的具体是哪个点难以进行判定。为解决这一问题，我们先采用对边界进行均匀下采样，即相隔一定的样本数进行采样。
首先提取边界：
img = cv2.imread(image_path)
label = np.asarray(cv2.imread(label_path,0))
contours, _ = cv2.findContours(label.astype(np.uint8), cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
contours_lens = [len(c) for c in contours]
cnts = contours[np.argmax(contours_lens)]
如果不使用最后一句进行筛选，画出来发现其实contour不止是最边界的一条。
假设选取其中的25个点作为采样点，这25个采样点之间相隔相同的点数：
interval = cnts.shape[0] // 25
points = [cnts[i,:] for i in range(0,cnts.shape[0],interval)]
points = np.asarray(points).squeeze()
第一句是为了找出采样间隔，将总点数除以采样的样本数。
绘制出采样点
for point in points:
radius = 5
color=(0,255,0)
thickness = 2
cv2.circle(img,(point[0],point[1]),radius,color,thickness)
现在假设我们改动了其中一个点：
现在有一个点飘出去了，那我们想从这组边界点推出现在的二值掩膜，其实就是找到这组边界包围内的所有点，应该怎么做呢？
下面的代码可以实现，且速度极快：
points = points.reshape(-1,1,2).astype(np.int32)
matrix =np.zeros((img.shape[0],img.shape[1]),dtype=np.int32)
cv2.drawContours(matrix,[points],-1,(1),thickness=-1)
list_of_points_indices=np.nonzero(matrix)
mask = np.zeros_like(label)
mask[list_of_points_indices] =1
效果如下：
