如何用OpenCV生成基于手动高亮轮廓的图像二值掩码？

针对你需要选中手动高亮标注区域、生成外部像素为0、内部为1的二值掩码的需求，结合你提供的代码，这里给出修正方案：

核心问题修正点 #

• 现有代码依赖灰度阈值提取轮廓，无法精准定位手动标注的高亮区域，应该从彩色图像中直接提取标注颜色区域
• 当前仅取第一个轮廓contours[0]，未必是你需要的目标标注区域
• 生成的掩码是3通道且填充值为255，不符合单通道、内部为1的要求

修正后的代码 #

import numpy as np
import cv2

# 读取图像
image = cv2.imread('data/baba.jpg')
# 转换为HSV空间，便于精准提取绿色高亮标注区域
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义绿色的HSV范围（可根据实际标注颜色微调参数）
lower_green = np.array([40, 40, 40])
upper_green = np.array([70, 255, 255])
# 提取绿色标注区域的掩码
green_mask = cv2.inRange(hsv, lower_green, upper_green)

# 从绿色掩码中提取最外层轮廓
contours, hierarchy = cv2.findContours(green_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 自动筛选目标轮廓：取面积最大的轮廓（对应你手动标注的主要区域）
target_cnt = max(contours, key=cv2.contourArea)

# 创建单通道空白掩码，初始全为0
mask = np.zeros(image.shape[:2], dtype=np.uint8)
# 在掩码上填充目标轮廓内部为1
cv2.drawContours(mask, [target_cnt], 0, 1, thickness=cv2.FILLED)

# 保存掩码：乘255是为了让图像正常显示（黑/白），实际使用时直接用mask数组即可
cv2.imwrite('data_new/mask_binary.jpg', mask * 255)

# 查看结果
cv2.imshow('Binary Mask', mask * 255)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键说明 #

• 精准提取标注区域：通过HSV颜色空间锁定手动标注的绿色区域，比灰度阈值更可靠
• 自动轮廓筛选：用面积筛选避免手动指定轮廓索引的误差，适配单/多个标注的情况
• 符合需求的掩码格式：生成单通道掩码，严格遵循外部0、内部1的要求，保存时的乘255仅为可视化需求

内容的提问来源于stack exchange，提问作者DavidRuben