如何从已标注图像中提取Bounding Box坐标及面积？

你的核心问题在于原代码是基于灰度形态学找最大轮廓，没有针对标注框的特定颜色做区分，导致误提取了图像整体轮廓。针对示例图中的蓝色标注框，我们可以通过颜色分割精准定位，步骤如下：

• 转换图像到HSV颜色空间：HSV比BGR更适合做颜色阈值分割，能有效分离特定颜色区域
• 设定蓝色的HSV阈值范围，生成掩码提取蓝色标注框
• 形态学操作优化掩码：去除小噪点，让标注框轮廓更完整
• 查找并过滤轮廓：只保留符合标注框特征的轮廓，计算坐标与面积

修改后的完整代码：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('WhatsApp-Image-2023-07-13-at-10.59.04.jpg')
# 转换到HSV颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义蓝色的HSV范围（可根据实际标注框颜色微调）
lower_blue = np.array([90, 50, 50])
upper_blue = np.array([130, 255, 255])

# 生成蓝色区域掩码
mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 形态学操作：先膨胀再腐蚀，去除小噪点，修复框的断裂
kernel = np.ones((3,3), np.uint8)
mask = cv2.dilate(mask, kernel, iterations=2)
mask = cv2.erode(mask, kernel, iterations=2)

# 查找轮廓
contours, _ = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 过滤小轮廓（排除噪点），提取标注框
for cnt in contours:
    area = cv2.contourArea(cnt)
    # 根据标注框大小调整阈值，过滤极小的噪点轮廓
    if area > 100:
        x, y, w, h = cv2.boundingRect(cnt)
        # 计算框的面积（也可用w*h，和contourArea结果接近）
        box_area = w * h
        print(f"Bounding Box坐标：({x}, {y}), 宽：{w}, 高：{h}, 面积：{box_area}")
        # 在原图上绘制检测到的框（绿色）
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示结果
cv2.imshow('Detected Bounding Boxes', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键说明：

1. HSV阈值可根据实际标注框的蓝色深浅微调，可借助图像取色工具获取准确的HSV值
2. 形态学操作的迭代次数可根据图像噪点情况调整，确保标注框轮廓连续
3. 轮廓过滤的面积阈值需根据标注框的实际大小设置，避免误判噪点

内容的提问来源于stack exchange，提问作者MN1005