OpenCV图像目标捕获遗漏问题：代码及图像异常求助

问题描述 #

需要捕获图像中的目标对象，但无法定位到所需对象，原图像左下角区域频繁被遗漏，部分细节丢失，现有代码无法有效解决该问题。

相关图像 #

• 检测前图像
• 检测后图像

现有代码 #

import cv2
import os

def crop_images(input_path, output_dir):
  
    image = cv2.imread(input_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)

    _, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (11, 11))
    dilate = cv2.dilate(thresh, kernel, iterations=1)
    
    cnts, _ = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    image_with_rectangles = image.copy()  
    
    image_number = 0
    min_roi_size = 7000
    max_roi_size = 30000
    for c in cnts:
        x, y, w, h = cv2.boundingRect(c)
        
        if max_roi_size > w * h > min_roi_size:
            cv2.rectangle(image_with_rectangles, (x, y), (x + w, y + h), (0, 255, 0), 2) 
            ROI = image[y:y + h, x:x + w]
            output_path = os.path.join(output_dir, f"ROI_{image_number}.jpg")
            cv2.imwrite(output_path, ROI)
            image_number += 1

    cv2.imwrite("image_with_rectangles.jpg", image_with_rectangles)

针对性调整方案 #

1. 优化预处理与阈值逻辑 #

左下角区域可能因局部亮度差异导致阈值失效，可调整如下：

• 替换高斯模糊为中值模糊，保留边缘细节同时过滤噪声：

  blur = cv2.medianBlur(gray, 5)
  

• 改用自适应阈值替代OTSU全局阈值，适配局部亮度变化：

  thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

2. 调整形态学操作参数 #

当前膨胀核过大，易忽略小目标或角落区域：

• 缩小膨胀核尺寸并减少迭代次数：

  kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
  dilate = cv2.dilate(thresh, kernel, iterations=1)
  

• 或使用开运算（先腐蚀后膨胀），去除噪点同时保留目标轮廓：

  erode = cv2.erode(thresh, kernel, iterations=1)
  dilate = cv2.dilate(erode, kernel, iterations=1)
  

3. 修改轮廓检测模式 #

当前cv2.RETR_EXTERNAL仅检测最外层轮廓，若左下角目标被遮挡会被遗漏，改用全层级轮廓检测：

cnts, _ = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

4. 优化ROI过滤规则 #

左下角目标可能尺寸偏小，超出当前尺寸限制：

• 降低最小ROI尺寸阈值，比如调整为：

  min_roi_size = 3000
  max_roi_size = 30000
  

• 增加位置判断，单独放宽左下角区域的尺寸限制：

  h, w = image.shape[:2]
  for c in cnts:
      x, y, rect_w, rect_h = cv2.boundingRect(c)
      area = rect_w * rect_h
      # 针对左下1/4区域单独处理
      if (x < w//2 and y > h//2):
          if area > 1000:  # 更低的尺寸阈值
              cv2.rectangle(image_with_rectangles, (x, y), (x+rect_w, y+rect_h), (0,0,255), 2)
              ROI = image[y:y+rect_h, x:x+rect_w]
              # 保存ROI逻辑...
      else:
          if max_roi_size > area > min_roi_size:
              # 原逻辑处理
  

5. 增加亮度对比度补偿 #

对图像先做亮度调整，解决左下角偏暗问题：

# 调整亮度与对比度，alpha为对比度增益，beta为亮度偏移
alpha = 1.5
beta = 30
adjusted = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)
gray = cv2.cvtColor(adjusted, cv2.COLOR_BGR2GRAY)

内容的提问来源于stack exchange，提问作者ngoc tranthiyen