如何获取分割图像中矩形船舶的纵向对称线像素？

方法1：基于目标区域的重心计算 #

你的数据集是二值分割图，白色（像素值1）区域为矩形船舶，直接计算所有船舶像素的x坐标均值，这个均值对应的竖线就是纵向对称线：

• 遍历图像，收集所有像素值为1的点的(x,y)坐标
• 计算所有x坐标的平均值x_mean，纵向对称线即为x = x_mean这条竖线
• 代码示例（OpenCV+NumPy）：

import cv2
import numpy as np

mask = cv2.imread('ship_mask.png', 0)  # 读取二值分割图
# 获取所有船舶像素的坐标
y_coords, x_coords = np.where(mask == 1)
if len(x_coords) > 0:
    x_mean = np.mean(x_coords)
    symmetry_line_x = int(round(x_mean))

若之前用均值方法失败，大概率是误取了轮廓边缘像素而非所有目标区域像素，后者的均值才是更准确的重心位置。

方法2：基于垂直投影的峰值检测 #

垂直投影统计每一列的白色像素数量，矩形船舶的投影曲线呈中间高、两侧低的对称形态，峰值对应的列即为对称线：

• 生成垂直投影数组：proj = np.sum(mask, axis=0)，proj[i]代表第i列的白色像素总数
• 若存在噪声导致投影多峰值，可先用高斯滤波平滑曲线，再取峰值索引
• 代码示例：

proj = np.sum(mask, axis=0)
# 平滑投影曲线
smoothed_proj = cv2.GaussianBlur(proj.reshape(-1,1), (5,1), 0).flatten()
symmetry_line_x = np.argmax(smoothed_proj)

方法3：基于最小外接矩形的对称轴 #

利用矩形的几何特性，先获取船舶的最小外接矩形，其垂直中线即为纵向对称线：

• 提取图像轮廓时，筛选面积最大的轮廓（避免噪声小轮廓干扰）
• 用cv2.minAreaRect获取矩形的中心坐标，中心x值就是对称线的x坐标
• 代码示例：

contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 取面积最大的轮廓作为船舶主体
max_contour = max(contours, key=cv2.contourArea)
rect = cv2.minAreaRect(max_contour)
center_x, _ = rect[0]
symmetry_line_x = int(round(center_x))

关键预处理建议 #

若分割图存在零星噪声像素，先通过形态学开运算（cv2.morphologyEx）去除噪声，避免干扰坐标计算；计算后可拿样本图像与手动标注的蓝色线对比，调整平滑窗口、轮廓筛选等参数优化结果。

内容的提问来源于stack exchange，提问作者Shadman Mahmood