基于Python OpenCV 4.8检测试管液位的技术求助

这两张图虽有模糊，但完全可以通过针对性预处理和检测逻辑实现液位检测，无需直接放弃。以下是基于Python OpenCV 4.8的可行方案：

一、预处理：降噪与对比度增强 #

原始图的模糊和噪点会直接干扰边缘/轮廓检测，先做预处理优化：

• 转灰度图：gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
• 高斯模糊降噪：blur = cv2.GaussianBlur(gray, (5,5), 0) 用5×5核过滤高频噪点，保留液位的明暗分界
• 自适应阈值分割：thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2) 自适应阈值能更好应对局部光照差异，突出液位线的对比度

二、两种液位线检测方法 #

方法1：霍夫直线检测（针对性找水平线） #

液位是水平直线，用霍夫变换筛选水平方向的直线：

import cv2
import numpy as np

# 读取图片（替换为你的图片路径）
img = cv2.imread("test_tube.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# Canny边缘检测
edges = cv2.Canny(thresh, 50, 150)
# 霍夫直线检测
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=30, minLineLength=20, maxLineGap=5)

# 筛选接近水平的直线（角度±5度以内）
horizontal_lines = []
if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        angle = np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi
        if abs(angle) < 5:
            horizontal_lines.append(line[0])

# 确定液位高度（取水平直线y坐标的中位数）
if horizontal_lines:
    y_coords = [(y1 + y2) // 2 for x1, y1, x2, y2 in horizontal_lines]
    liquid_level_y = np.median(y_coords)
    print(f"液位高度对应的y坐标：{liquid_level_y}")
    # 可选：在图上画出液位线
    cv2.line(img, (0, int(liquid_level_y)), (img.shape[1], int(liquid_level_y)), (0,0,255), 2)
    cv2.imshow("Result", img)
    cv2.waitKey(0)

方法2：轮廓筛选（找水平长条轮廓） #

通过轮廓检测筛选宽高比大的水平轮廓，对应液位线：

import cv2
import numpy as np

img = cv2.imread("test_tube.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 查找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
liquid_contours = []

# 筛选宽高比>5、宽度>20的水平轮廓
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    if w / h > 5 and w > 20:
        liquid_contours.append((x, y, w, h))

# 确定液位高度（取符合条件轮廓的y坐标中间值）
if liquid_contours:
    # 按y坐标排序，优先取试管中部的轮廓
    liquid_contours.sort(key=lambda item: item[1])
    target_contour = liquid_contours[0]
    liquid_level_y = target_contour[1] + target_contour[3] // 2
    print(f"液位高度对应的y坐标：{liquid_level_y}")
    # 可选：画出轮廓和液位线
    cv2.rectangle(img, (target_contour[0], target_contour[1]), 
                  (target_contour[0]+target_contour[2], target_contour[1]+target_contour[3]), (0,255,0), 2)
    cv2.line(img, (0, int(liquid_level_y)), (img.shape[1], int(liquid_level_y)), (0,0,255), 2)
    cv2.imshow("Result", img)
    cv2.waitKey(0)

三、参数调整建议 #

如果检测效果不佳，可针对性调整以下参数：

• 高斯模糊核大小：可尝试(3,3)或(7,7)，适配不同模糊程度
• 自适应阈值的blockSize：改为15、19等奇数，调整局部区域的计算范围
• 霍夫直线检测的threshold、minLineLength：降低阈值或缩短最小线长，适配更短的液位线
• 轮廓筛选的宽高比阈值：根据实际图片调整，比如改为3或7

内容的提问来源于stack exchange，提问作者Bharata