图像白色标记区域提取效果不稳定，求代码优化建议

我需要技术帮助。我希望从附件图像中仅提取白色标记部分。我的思路是基于RGB 255,255,255识别并裁剪白色区域，但该方法在部分场景下效果不佳。

原代码存在的问题 #

1. RGB阈值过于严苛：实际场景中白色区域可能因光照、图像压缩等因素，RGB值并非严格的253-255，导致漏识别。
2. 亮度增强参数固定：固定的alpha=1.2和beta=20无法适配所有图片，可能导致部分图片过曝或增强效果不足。
3. 轮廓处理逻辑不完善：仅取最大轮廓但未过滤小噪点，容易误裁剪；同时代码存在缩进错误和路径未赋值的语法问题。
4. RGB空间对光照敏感：RGB通道受光照影响大，不如HSV或灰度空间更适合识别亮白色区域。

优化后的代码 #

import cv2
import numpy as np
import os

# 请替换为实际路径
input_folder = "your_input_folder_path"
output_folder = "your_output_folder_path"

if not os.path.exists(output_folder):
    os.makedirs(output_folder)

# 定义HSV空间的白色范围（更适配光照变化）
lower_hsv_white = np.array([0, 0, 220], dtype=np.uint8)
upper_hsv_white = np.array([180, 30, 255], dtype=np.uint8)

for filename in os.listdir(input_folder):
    img_path = os.path.join(input_folder, filename)
    image = cv2.imread(img_path)

    if image is not None:
        # 转换为HSV空间，更稳定识别亮白色
        hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
        mask = cv2.inRange(hsv_image, lower_hsv_white, upper_hsv_white)

        # 形态学操作：去除小噪点，平滑mask
        kernel = np.ones((3, 3), np.uint8)
        mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
        mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)

        contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

        if contours:
            # 过滤小轮廓，只保留面积大于阈值的区域（根据实际情况调整阈值）
            min_contour_area = 100
            valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > min_contour_area]
            
            if valid_contours:
                # 合并所有有效轮廓的外接矩形，得到完整的白色区域范围
                x_min = min([cv2.boundingRect(cnt)[0] for cnt in valid_contours])
                y_min = min([cv2.boundingRect(cnt)[1] for cnt in valid_contours])
                x_max = max([cv2.boundingRect(cnt)[0] + cv2.boundingRect(cnt)[2] for cnt in valid_contours])
                y_max = max([cv2.boundingRect(cnt)[1] + cv2.boundingRect(cnt)[3] for cnt in valid_contours])
                
                cropped_image = image[y_min:y_max, x_min:x_max]
                output_img_path = os.path.join(output_folder, filename)
                cv2.imwrite(output_img_path, cropped_image)
            else:
                print(f"No valid contours found for {filename}")
        else:
            print(f"No contours found for {filename}")
    else:
        print(f"Could not load image {filename}")

优化点说明 #

• 改用HSV空间识别：利用HSV的V（亮度）通道捕捉亮白色，H和S通道限制低饱和度，适配不同光照下的白色区域。
• 形态学操作：通过开运算（先腐蚀后膨胀）去除小噪点，闭运算填补区域内的小空洞，让mask更准确。
• 轮廓过滤：设置最小面积阈值，忽略因噪点产生的微小轮廓。
• 合并多轮廓区域：如果白色标记分为多个部分，合并所有有效轮廓的外接矩形，确保完整提取目标区域。
• 修复语法问题：补全路径赋值，修正代码缩进错误。

内容的提问来源于stack exchange，提问作者user24161451