OpenCV识别SolidWorks导出的平行六面体面线条并生成点的问题

现有代码的问题分析 #

• 第一段代码仅反转灰度图就执行轮廓检测，未做阈值分割突出线条特征，导致只能捕获最外层轮廓，无法识别内部线条
• 第二段代码存在核心逻辑错误：阈值处理后未使用生成的threshold结果，反而用原灰度图找轮廓；形态学处理的输入也是原灰度图，完全没发挥预处理作用；且未定义img_copy变量，运行会直接报错

解决方案步骤 #

1. 正确的图像预处理 #

通过阈值分割将线条与背景分离，再用形态学操作修复线条的微小断裂，确保线条连续完整

2. 提取有效线条轮廓 #

使用合适的轮廓检索模式，通过面积筛选掉噪点和背景轮廓，只保留目标平面的线条

3. 在线条上生成点 #

对提取到的轮廓进行均匀采样，生成线条上的分布点

完整代码实现 #

import cv2 as cv
import numpy as np

# 读取图像并创建副本用于绘制
img = cv.imread('face1.jpg')
img_copy = img.copy()
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 1. 预处理：阈值分割+形态学修复
# 大津法自动阈值分割，反转二值化（线条为白色，背景为黑色）
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
# 用小核做闭运算，修复线条的微小断裂
kernel = np.ones((2, 2), np.uint8)
binary = cv.morphologyEx(binary, cv.MORPH_CLOSE, kernel)

# 2. 提取轮廓，保留多层线条结构
contours, hierarchy = cv.findContours(binary, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# 筛选有效轮廓：排除过小的噪点，以及过大的背景轮廓（根据实际图像调整面积阈值）
valid_contours = []
img_area = img.shape[0] * img.shape[1]
for cnt in contours:
    area = cv.contourArea(cnt)
    # 面积范围可根据你的图像尺寸灵活调整
    if 50 < area < img_area * 0.9:
        valid_contours.append(cnt)

# 3. 在线条上生成均匀分布的点
sample_interval = 20  # 采样间隔，数值越小点越密集
for cnt in valid_contours:
    # 按间隔遍历轮廓点并绘制
    for i in range(0, len(cnt), sample_interval):
        x, y = cnt[i][0]
        cv.circle(img_copy, (x, y), 3, (0, 0, 255), -1)
    # 同步绘制轮廓（可选，用于验证线条识别效果）
    cv.drawContours(img_copy, [cnt], -1, (0, 255, 0), 2)

# 展示结果
cv.imshow('Lines with Sampled Points', img_copy)
cv.waitKey(0)
cv.destroyAllWindows()

关键说明 #

• 阈值反转：SolidWorks导出的图像通常线条为深色、背景为浅色，反转后线条变为白色，更便于轮廓检测
• 形态学闭运算：用小尺寸核填补线条的微小缺口，避免轮廓被拆分成多个零散片段
• 轮廓筛选：通过面积过滤掉无意义的噪点和背景轮廓，确保只保留目标平面的线条
• 点采样：通过间隔遍历轮廓点实现均匀采样，可调整sample_interval参数控制点的密度

内容的提问来源于stack exchange，提问作者Maisu