如何使用OpenCV检测容器内的粉末高度？

结合你提供的场景（透明容器装灰色粉末，背景存在干扰），针对HSV滤波、边缘/斑点检测效果不佳的问题，给出一套实用的优化流程：

一、预处理：先减少干扰 #

• ROI裁剪：先定位容器的矩形区域，只保留容器内部画面，切掉周围无关背景，避免容器外的噪点影响后续处理。如果是固定拍摄场景，可直接手动框选ROI；动态场景则用轮廓检测自动定位容器。
• 灰度化+直方图均衡化：灰色粉末在HSV空间区分度低，转灰度图后做直方图均衡化，能增强粉末与上方空气、容器底部的对比度，让粉末区域更突出。

二、分割粉末区域：替代HSV滤波的方案 #

• 自适应阈值分割：用cv2.adaptiveThreshold()替代全局阈值，它能适配局部光照差异，更精准地分割出灰色粉末区域。调整参数（块大小设为11、C值设为2左右，可根据实际微调），能有效区分粉末和容器壁、空气的边界。
• 形态学修正：分割后用闭运算（先膨胀再腐蚀）填充粉末区域的小孔，用开运算去除零星噪点，让粉末的轮廓更完整连续。

三、提取粉末高度 #

• 轮廓分析：找到分割后最大的轮廓（即粉末区域），用cv2.boundingRect()获取其边界框，边界框的高度就是粉末的像素高度。如果需要实际物理高度，提前用已知高度的参照物做像素-实际尺寸的标定即可。
• 行像素统计（备选）：对处理后的二值图逐行统计白色像素占比，从容器底部往上找第一个连续行占比低于阈值的位置，该位置就是粉末的上边缘，计算其与底部的像素距离即为高度。

四、极端场景备选方案 #

如果光照波动大或粉末状态复杂，传统方法效果仍不好：

• 背景差分：拍摄空容器的背景图，与当前带粉末的图片做差分运算，直接提取粉末区域（需保证相机位置完全固定）。
• 轻量深度学习分割：用简化版U-Net模型，标注少量粉末图片训练，对复杂干扰的鲁棒性更强。

示例代码（OpenCV-Python） #

import cv2
import numpy as np

# 读取图片
img = cv2.imread('powder.png')
# 手动裁剪ROI（根据实际容器位置调整坐标）
roi = img[50:600, 100:400]
# 灰度化+直方图均衡化
gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
equalized_gray = cv2.equalizeHist(gray)
# 自适应阈值分割
binary_img = cv2.adaptiveThreshold(equalized_gray, 255, 
                                   cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                   cv2.THRESH_BINARY_INV, 11, 2)
# 形态学闭运算修复轮廓
kernel = np.ones((5,5), np.uint8)
cleaned_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)
# 提取最大轮廓并计算高度
contours, _ = cv2.findContours(cleaned_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if contours:
    max_contour = max(contours, key=cv2.contourArea)
    x, y, w, h = cv2.boundingRect(max_contour)
    # 绘制结果
    cv2.rectangle(roi, (x, y), (x+w, y+h), (0,255,0), 2)
    cv2.putText(roi, f"Powder Height: {h}px", (20,30), 
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0,0,255), 2)
    cv2.imshow('Detection Result', roi)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者Ripper121