如何用Python检测WiFi图标Blob并生成对应掩码图像？

环境准备 #

先安装依赖库：

pip install opencv-python numpy

实现步骤与代码 #

下面是针对WiFi图标实现Blob检测、生成三个目标掩码的完整代码，每一步都有注释：

import cv2
import numpy as np

# 1. 加载图像并预处理
img = cv2.imread("wifi_icon.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化处理：根据图标颜色调整阈值（这里假设图标是深色、背景浅色）
# 如果图标是浅色、背景深色，把最后一个参数改成cv2.THRESH_BINARY_INV
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 2. 检测轮廓（Blob）
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 按轮廓面积从小到大排序：对应基础图标（最小）、小曲线、大曲线（最大）
contours_sorted = sorted(contours, key=lambda x: cv2.contourArea(x))

# 3. 生成三个掩码
mask_basic = np.zeros_like(gray)
mask_small_curve = np.zeros_like(gray)
mask_large_curve = np.zeros_like(gray)

# 绘制基础图标掩码（最小的轮廓，比如中心圆点）
cv2.drawContours(mask_basic, [contours_sorted[0]], -1, 255, thickness=cv2.FILLED)
# 绘制小曲线掩码（中间面积的轮廓）
cv2.drawContours(mask_small_curve, [contours_sorted[1]], -1, 255, thickness=cv2.FILLED)
# 绘制大曲线掩码（最大面积的轮廓）
cv2.drawContours(mask_large_curve, [contours_sorted[2]], -1, 255, thickness=cv2.FILLED)

# 4. 保存掩码图像
cv2.imwrite("wifi_basic_mask.png", mask_basic)
cv2.imwrite("wifi_small_curve_mask.png", mask_small_curve)
cv2.imwrite("wifi_large_curve_mask.png", mask_large_curve)

# 可选：显示结果，方便调试
cv2.imshow("Original", img)
cv2.imshow("Basic Mask", mask_basic)
cv2.imshow("Small Curve Mask", mask_small_curve)
cv2.imshow("Large Curve Mask", mask_large_curve)
cv2.waitKey(0)
cv2.destroyAllWindows()

调试与优化建议 #

• 阈值调整：如果二值化效果不好，修改cv2.threshold()的第二个参数（阈值127），也可以用自适应阈值适配复杂背景：

  binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
  

• 轮廓筛选：如果有噪点轮廓，增加面积过滤条件，只保留有效轮廓：

  valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 50]
  contours_sorted = sorted(valid_contours, key=lambda x: cv2.contourArea(x))
  

• 形状判断：如果面积排序不准确，可以用轮廓外接矩形的宽高比区分，WiFi曲线的外接矩形会比中心圆点宽很多。

内容的提问来源于stack exchange，提问作者YunSheng Liu