基于Python/OpenCV自适应阈值的书籍形状检测问题

针对你的需求，直接用自适应阈值不太适配当前场景——书籍与桌面的全局对比度足够，书名等细节反而会被当成噪声干扰。可以按以下步骤处理：

• 预处理降噪
  先将图像转为灰度图，再用高斯模糊弱化书名、纹理等细节噪声，避免后续阈值处理时误识别：

  import cv2 as cv
  import numpy as np
  
  # 读取图像并转灰度
  img = cv.imread("book.jpg")
  gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
  # 高斯模糊降噪
  blurred = cv.GaussianBlur(gray, (5, 5), 0)
  

• 全局阈值二值化
  利用OTSU自动阈值法，基于全局对比度分割书籍与背景，得到初始黑白图：

  _, binary = cv.threshold(blurred, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
  

  这里用THRESH_BINARY_INV是为了让书籍区域变成白色、背景黑色，方便后续处理。

• 形态学操作消除噪声
  创建矩形结构元素，用闭运算填充书籍区域内的小孔洞，再用开运算去除背景的小噪声点：

  # 创建5x5的矩形结构元素
  kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 5))
  # 先开运算去噪声，再闭运算填充孔洞
  processed = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)
  processed = cv.morphologyEx(processed, cv.MORPH_OPEN, kernel)
  

• 轮廓筛选与填充
  查找图像中的轮廓，筛选出面积最大的轮廓（即书籍的轮廓），然后在空白白底画布上填充该轮廓，得到目标效果：

  # 查找轮廓
  contours, _ = cv.findContours(processed, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
  # 筛选面积最大的轮廓
  max_contour = max(contours, key=cv.contourArea)
  # 创建空白白底图像
  result = np.ones_like(img) * 255
  # 填充轮廓为黑色
  cv.drawContours(result, [max_contour], -1, (0, 0, 0), thickness=cv.FILLED)
  # 若需要单通道灰度图，可执行以下转换
  result_gray = cv.cvtColor(result, cv.COLOR_BGR2GRAY)
  

上述步骤能有效消除噪声，同时完整保留书籍的矩形形状，得到你需要的白底黑填充效果。

内容的提问来源于stack exchange，提问作者Matteo