如何精准测量圆形Mask各部位宽度？原旋转测量法精度不足

针对圆形曲线Mask的宽度测量需求，替代旋转法的更优方案可以从以下几个方向入手：

1. 骨架法线距离法 #

• 先对二值Mask提取细化骨架，得到曲线的中心轴线（可使用OpenCV的cv2.ximgproc.thinning()实现）
• 针对骨架上的每个点，通过邻域点的梯度方向推导该点的法线方向（即垂直于曲线切线的方向）
• 沿法线方向向两侧延伸，直到碰到Mask的边缘，两点间的像素距离即为该位置的宽度

2. 距离变换法 #

• 对Mask执行距离变换（cv2.distanceTransform()），得到每个前景像素到最近背景的距离值
• 提取Mask的骨架作为测量中轴线，骨架上每个点的宽度为对应距离变换值的2倍（因为距离值是单侧边缘到中心的距离）
• 该方法无需手动寻找边缘配对，计算效率高，精度稳定

3. 轮廓配对测量法 #

• 如果是环形Mask，提取内外两条轮廓；如果是单条曲线Mask，提取两侧边缘轮廓
• 对轮廓上的点按顺序配对，计算每对对应点在法线方向上的距离，即为对应位置的宽度

代码示例（基于OpenCV的距离变换法） #

import cv2
import numpy as np

# 读取二值Mask图像（前景白色，背景黑色）
mask = cv2.imread('mask_image.png', 0)
# 执行距离变换，获取单侧边缘距离
dist_transform = cv2.distanceTransform(mask, cv2.DIST_L2, 5)
# 提取Mask的细化骨架
skeleton = cv2.ximgproc.thinning(mask)
# 获取骨架上所有点的坐标
y_coords, x_coords = np.where(skeleton == 255)
# 计算每个骨架点对应的宽度
width_list = [dist_transform[y, x] * 2 for y, x in zip(y_coords, x_coords)]

# 可视化测量结果
result_img = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
for y, x, width in zip(y_coords, x_coords, width_list):
    cv2.putText(result_img, f'{width:.1f}', (x, y), 
                cv2.FONT_HERSHEY_SIMPLEX, 0.3, (0, 0, 255), 1)
cv2.imwrite('width_measurement_result.png', result_img)

方案优势 #

以上方法无需对图像进行旋转操作，直接针对曲线的几何特性计算宽度，完美适配圆形等曲线型Mask的测量场景，精度远高于传统旋转法。

内容的提问来源于stack exchange，提问作者ge1mina023