OpenCV检测显微裂纹时边界与检测目标粘连问题求助

问题原因 #

检测结果出现边界与裂纹粘连，核心是二值化后图像边缘的黑色区域被误判为裂纹的一部分，再加上形态学闭操作的膨胀作用，把边缘和被截断的裂纹合并成了一个大轮廓。

解决方案 #

1. 预处理添加白色边框（最直接有效）

在二值化前给图像加一圈白色边框，彻底隔离原图像边缘的黑色区域，避免被当成裂纹处理：

# 给图像添加1像素宽的白色边框
src = cv.copyMakeBorder(src, 1, 1, 1, 1, cv.BORDER_CONSTANT, value=255)

2. 优化形态学操作参数

当前闭操作迭代次数为2，膨胀过度可能加剧粘连，可尝试减少迭代次数：

# 调整闭操作迭代次数为1
closing = cv.morphologyEx(th1, cv.MORPH_CLOSE, kernel, iterations=1)

3. 过滤超大轮廓（兜底方案）

如果仍有大轮廓漏网，通过计算轮廓面积过滤掉远大于正常裂纹的对象：

valid_contours = []
for cnt in contours:
    # 根据你的图像实际情况调整面积阈值
    if cv.contourArea(cnt) < 5000:
        valid_contours.append(cnt)
# 仅绘制有效轮廓
cont = cv.drawContours(overlay, valid_contours, -1, (0, 255, 0), 1)

修改后的完整代码 #

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

src = cv.imread('cracks.TIF', cv.IMREAD_GRAYSCALE) 
# 添加白色边框隔离边缘
src = cv.copyMakeBorder(src, 1, 1, 1, 1, cv.BORDER_CONSTANT, value=255)

ret, th1 = cv.threshold(src, 95, 255, cv.THRESH_BINARY)

kernel = np.ones((2, 2), np.uint8)
closing = cv.morphologyEx(th1, cv.MORPH_CLOSE, kernel, iterations=1)

contours, hierarchy = cv.findContours(closing, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)

# 过滤不符合尺寸的轮廓
valid_contours = []
for cnt in contours:
    if cv.contourArea(cnt) < 5000:
        valid_contours.append(cnt)

overlay = src.copy()
cont = cv.drawContours(overlay, valid_contours, -1, (0, 255, 0), 1)

titles = ["ORIGINAL", "THRESH_BINARY", "CLOSING" , "CONTOURS"]
images = [src, th1, closing, overlay]

for i in range(len(images)):
    plt.subplot(2, 2, i+1), plt.imshow(images[i], cmap='gray')
    plt.title(titles[i])
    plt.xticks([]), plt.yticks([])
plt.show()

内容的提问来源于stack exchange，提问作者Martin