图像ECG信号曲线提取效果不佳，如何优化改进？

原始输入的ECG图像中，彩色信号曲线与背景网格、文字等元素重叠，原方法依赖灰度阈值和最大轮廓提取，未利用曲线的颜色特征，导致噪声残留、曲线断裂。以下是针对性优化方案：

1. 基于颜色特征精准分离曲线 #

ECG信号曲线具有鲜明的色彩（如红色），相比灰度阈值，利用HSV颜色空间的颜色范围掩码能更精准地分离曲线：

import numpy as np
import cv2

# 读取图像
img = cv2.imread('frame.png')
# 转换为HSV颜色空间，便于颜色筛选
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义目标曲线的HSV颜色范围（以红色为例，需根据实际曲线颜色调整）
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

# 生成颜色掩码
mask1 = cv2.inRange(hsv_img, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv_img, lower_red2, upper_red2)
color_mask = cv2.bitwise_or(mask1, mask2)

2. 形态学操作修复曲线并去除噪声 #

通过闭运算填补曲线的微小缺口，开运算清除孤立噪声点，同时保留曲线的完整性：

# 闭运算：先膨胀后腐蚀，填补曲线缺口
close_kernel = np.ones((3, 3), np.uint8)
closed_mask = cv2.morphologyEx(color_mask, cv2.MORPH_CLOSE, close_kernel, iterations=1)

# 开运算：先腐蚀后膨胀，去除小噪声点
open_kernel = np.ones((2, 2), np.uint8)
clean_mask = cv2.morphologyEx(closed_mask, cv2.MORPH_OPEN, open_kernel, iterations=1)

3. 生成清晰的曲线结果 #

利用清理后的掩码提取曲线，并将背景设为白色，突出信号曲线：

# 提取曲线区域
curve_region = cv2.bitwise_and(img, img, mask=clean_mask)
# 创建白色背景
white_bg = np.ones_like(img) * 255
# 合并曲线与白色背景
final_result = np.where(clean_mask[:, :, None] == 255, curve_region, white_bg)

# 展示结果
cv2.imshow('Clean ECG Curve', final_result)
cv2.waitKey(0)
cv2.destroyAllWindows()

额外优化技巧 #

• 精准颜色范围获取：若不确定曲线的HSV值，可使用cv2.setMouseCallback工具，点击曲线像素获取对应的HSV参数，调整掩码范围
• 图像预处理：若图像存在模糊，可先执行cv2.bilateralFilter(img, 9, 75, 75)进行双边滤波，在保留边缘的同时平滑噪声
• 轮廓过滤：若仍有残留干扰，可提取掩码中的轮廓，通过cv2.contourArea过滤掉面积过大或过小的轮廓，仅保留符合ECG曲线形态的区域

内容的提问来源于stack exchange，提问作者Chloe