Python基于颜色生成图像红色形状掩码及面积计算的问题排查

问题回顾 #

需求是从图像中提取红色形状生成掩码，并计算其面积，但现有代码提取结果不符合预期，反而选中了其他区域。

代码里的关键错误 #

• 图像读成灰度图了：cv2.imread("image_red.png",0) 加了0参数，直接读成灰度图，丢失颜色信息，根本没法做颜色筛选。
• 阈值处理逻辑跑偏：对灰度图做阈值后再转RGB，完全没必要，颜色提取应该直接用彩色图像操作。
• 颜色空间搞混了：OpenCV读取的图像是BGR格式，但你用ColorThief给出的RGB值做范围筛选，匹配逻辑错误；而且红色在HSV空间里更容易区分，别用RGB硬筛。
• 颜色范围设得太死：low和upper完全一致，只能匹配单一像素值，红色区域不可能所有像素都是同一个RGB值，范围必须放宽。
• 变量名写错了：定义的是low和upper，调用时写成lo和up，会直接触发报错。
• 显示模块错误：用了io.imshow但未导入io模块，应该用plt.imshow。

修正后的完整代码 #

import cv2
import numpy as np
from matplotlib import pyplot as plt
from colorthief import ColorThief

# 提取主色调（可选，用于校准颜色范围）
ct = ColorThief('image_red.png')
palette = ct.get_palette(color_count=5)
print("提取的主色调（RGB）：", palette)
plt.imshow([[palette[i] for i in range(5)]])
plt.title("提取的主色调")
plt.show()

# 1. 读取彩色图像，不要加0参数
image_org = cv2.imread("image_red.png")
# 转换为RGB格式用于matplotlib显示（OpenCV默认是BGR）
image_rgb = cv2.cvtColor(image_org, cv2.COLOR_BGR2RGB)

# 2. 转换到HSV颜色空间，红色在此空间分为两个区间，更易筛选
image_hsv = cv2.cvtColor(image_org, cv2.COLOR_BGR2HSV)

# 3. 设置红色的HSV范围（覆盖大部分常见红色区域）
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

# 生成初始掩码，合并两个红色区间的结果
mask_red1 = cv2.inRange(image_hsv, lower_red1, upper_red1)
mask_red2 = cv2.inRange(image_hsv, lower_red2, upper_red2)
mask = cv2.bitwise_or(mask_red1, mask_red2)

# 4. 中值滤波去除噪点
mask_filtered = cv2.medianBlur(mask, 3)

# 5. 形态学操作优化掩码：先闭运算填补形状空洞，再开运算去除小噪点
kernel = np.ones((3,3), np.uint8)
mask_clean = cv2.morphologyEx(mask_filtered, cv2.MORPH_CLOSE, kernel)
mask_clean = cv2.morphologyEx(mask_clean, cv2.MORPH_OPEN, kernel)

# 6. 计算红色形状的面积：统计掩码中非零像素的数量
red_area = cv2.countNonZero(mask_clean)
print(f"红色形状的总面积：{red_area} 像素")

# 显示结果对比
plt.figure(figsize=(12, 6))
plt.subplot(131)
plt.imshow(image_rgb)
plt.title("原始图像")
plt.axis('off')

plt.subplot(132)
plt.imshow(mask, cmap='gray')
plt.title("初始掩码")
plt.axis('off')

plt.subplot(133)
plt.imshow(mask_clean, cmap='gray')
plt.title("优化后掩码")
plt.axis('off')

plt.show()

额外说明 #

• 如果需要更精准的颜色范围，可以将ColorThief提取的红色RGB值转换为HSV，再微调上下限：

  # 示例：将提取的红色RGB转换为HSV
  red_rgb = np.uint8([[palette[0]]])  # 假设第一个主色调是红色
  red_hsv = cv2.cvtColor(red_rgb, cv2.COLOR_RGB2HSV)
  print("红色的HSV值：", red_hsv)
  # 基于该值设置上下浮动范围，比如H±10，S和V适当放宽
  

• 形态学操作的核大小可根据图像噪点情况调整，噪点较大时可改用(5,5)的核。

内容的提问来源于stack exchange，提问作者science beginner