如何用OpenCV精准识别图像中的14个吉他拨片？

一、预处理阶段：针对性优化对比度与降噪 #

• 改用YCrCb颜色空间分离处理：将图像转换为YCrCb格式，提取亮度通道（Y）单独做CLAHE增强，再合并回原颜色空间。这种方式避免RGB通道整体处理导致的噪点放大，聚焦拨片与背景的核心亮度差异。
• 替换高斯模糊为双边滤波：使用cv2.bilateralFilter()，它能在保留边缘细节的同时降噪，更适配拨片这类有清晰轮廓的目标，推荐参数：d=9, sigmaColor=75, sigmaSpace=75。
• 增加形态学开运算：用3x3椭圆结构元素执行“腐蚀+膨胀”操作，提前滤除图像中的细小噪点，为后续阈值处理降低干扰。

二、阈值分割：替换自适应阈值为更稳定方案 #

• 优先尝试Otsu全局阈值：对预处理后的灰度图执行cv2.threshold(..., cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)，Otsu算法会自动计算最优分割阈值，若效果略有偏差，可手动微调阈值数值，比自适应阈值更不易受局部噪点影响。
• 若坚持用自适应阈值：调大blockSize参数（如从11改为25或31），缩小C值（偏移量，如从2改为0或-1），减少局部区域内的噪点被误判为前景的概率。

三、轮廓筛选：基于拨片几何特征过滤无效目标 #

提取轮廓后，通过以下特征筛选有效拨片：

• 面积过滤：统计原图像中拨片的大致像素面积范围，设置最小/最大面积阈值，过滤过小的噪点轮廓和过大的背景轮廓。
• 圆度筛选：计算轮廓圆度公式：4*np.pi*面积/(周长**2)，拨片为弧形轮廓，圆度通常大于0.5，过滤圆度过低的不规则轮廓。
• 长宽比过滤：拨片的外接矩形长宽比大致在0.5-2之间（适配横竖放置的情况），过滤比例极端的轮廓。
• 形状近似：用cv2.approxPolyDP()生成轮廓的近似多边形，拨片的近似边数较多，可过滤边数过少的尖锐轮廓。

四、备选方案：颜色特征辅助区分 #

若上述方法仍有干扰，可利用Cr/Cb通道的颜色差异：拨片与背景在Cr通道的对比度明显，对Cr通道单独做阈值分割后，与亮度通道的阈值结果做“与运算”，进一步过滤背景噪点。

代码示例片段 #

import cv2
import numpy as np

# 读取图像
img = cv2.imread("AGMGV.jpg")
# 转YCrCb颜色空间处理亮度通道
ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
y, cr, cb = cv2.split(ycrcb)

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
y_enhanced = clahe.apply(y)
img_enhanced = cv2.cvtColor(cv2.merge([y_enhanced, cr, cb]), cv2.COLOR_YCrCb2BGR)

# 双边滤波降噪
img_blur = cv2.bilateralFilter(img_enhanced, 9, 75, 75)
gray = cv2.cvtColor(img_blur, cv2.COLOR_BGR2GRAY)

# Otsu阈值分割
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 形态学开运算去噪
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
thresh_clean = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

# 提取并筛选轮廓
contours, _ = cv2.findContours(thresh_clean, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
valid_contours = []

for cnt in contours:
    area = cv2.contourArea(cnt)
    if area < 1000 or area > 5000:  # 根据实际图像调整面积阈值
        continue
    perimeter = cv2.arcLength(cnt, True)
    circularity = 4 * np.pi * area / (perimeter ** 2)
    if circularity < 0.5:
        continue
    x, y, w, h = cv2.boundingRect(cnt)
    aspect_ratio = w / h
    if aspect_ratio < 0.5 or aspect_ratio > 2:
        continue
    valid_contours.append(cnt)

# 绘制结果
result = img.copy()
cv2.drawContours(result, valid_contours, -1, (0,255,0), 2)
cv2.imwrite("result.jpg", result)

内容的提问来源于stack exchange，提问作者j j h