相邻液体层轮廓检测：现有OpenCV代码效果不佳求优化

问题根源 #

原代码直接套用通用的灰度+Canny+轮廓检测流程，没有针对试管的垂直结构、液体层的灰度差异特性做针对性处理，导致检测出大量无关轮廓，无法精准定位目标层的边界。

改进方案 #

针对离心后试管（上层血浆、下层红细胞，分界清晰）的特性，按以下步骤处理：

• 裁剪试管感兴趣区域（ROI），排除背景干扰
• 利用Otsu自动阈值分割两层液体
• 形态学操作去除噪声、平滑轮廓
• 通过面积筛选出液体层的有效轮廓
• 精准绘制轮廓与两层交界线

改进代码 #

import cv2
import numpy as np

# 读取图像
image = cv2.imread('input/blood.png')
if image is None:
    print("无法读取图像，请检查文件路径")
    exit()

# 1. 定位并裁剪试管区域
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY_INV)
# 提取试管的上下左右边界
non_zero_y = np.where(thresh.sum(axis=1) > 0)[0]
non_zero_x = np.where(thresh.sum(axis=0) > 0)[0]
if len(non_zero_y) == 0 or len(non_zero_x) == 0:
    print("未检测到试管区域")
    exit()
top, bottom = non_zero_y[0], non_zero_y[-1]
left, right = non_zero_x[0], non_zero_x[-1]
tube_roi = gray[top:bottom, left:right]
roi_color = image[top:bottom, left:right].copy()

# 2. Otsu自动阈值分割两层液体
_, thresh_tube = cv2.threshold(tube_roi, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
thresh_tube = cv2.bitwise_not(thresh_tube)  # 根据图像灰度分布调整反转

# 3. 形态学操作去除噪声
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
cleaned = cv2.morphologyEx(thresh_tube, cv2.MORPH_CLOSE, kernel)
cleaned = cv2.morphologyEx(cleaned, cv2.MORPH_OPEN, kernel)

# 4. 筛选有效轮廓（过滤小噪声）
contours, _ = cv2.findContours(cleaned, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
valid_contours = []
roi_area = tube_roi.shape[0] * tube_roi.shape[1]
for cnt in contours:
    if cv2.contourArea(cnt) > roi_area * 0.1:  # 保留面积大于ROI 10%的轮廓
        valid_contours.append(cnt)

# 5. 转换坐标并绘制轮廓
for cnt in valid_contours:
    cnt[:, :, 0] += left
    cnt[:, :, 1] += top
    cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)

# 额外：绘制两层液体的交界线
row_mean = cleaned.mean(axis=1)
border_y = np.where(np.diff(row_mean) != 0)[0]
if len(border_y) > 0:
    border_y = border_y[0] + top
    cv2.line(image, (left, border_y), (right, border_y), (0, 0, 255), 2)

# 展示结果
cv2.imshow('液体层轮廓', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

核心优化点 #

• ROI裁剪：聚焦试管区域，直接排除背景干扰，减少无效轮廓的产生
• Otsu阈值：自动适配图像灰度分布，精准区分两层液体的灰度差异
• 轮廓筛选：通过面积阈值过滤噪声轮廓，只保留液体层的大轮廓
• 交界线定位：利用行均值突变精准找到两层分界，补充绘制交界线

内容的提问来源于stack exchange，提问作者by42