基于Python的图像目标完整检测及裁剪保存问题求助

你的问题出在灰度阈值分割无法区分目标与背景的相似灰度区域，导致漏检。针对图中的蓝色目标，用HSV颜色空间做颜色分割是更可靠的方案，以下是完整实现代码：

import cv2
import numpy as np

image_path = "img.png"
# 读取图像
image = cv2.imread(image_path)
# 转HSV颜色空间（比RGB更适合颜色检测）
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义蓝色的HSV范围（可根据实际图像微调）
lower_blue = np.array([90, 50, 50])
upper_blue = np.array([130, 255, 255])

# 生成颜色掩码
mask = cv2.inRange(hsv, lower_blue, upper_blue)

# 形态学操作：先膨胀再腐蚀，去除噪声并填补目标内部空隙
kernel = np.ones((5,5), np.uint8)
mask = cv2.dilate(mask, kernel, iterations=2)
mask = cv2.erode(mask, kernel, iterations=1)

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

# 遍历轮廓，过滤小轮廓（避免检测噪声），绘制框并裁剪保存
for idx, cnt in enumerate(contours):
    area = cv2.contourArea(cnt)
    # 过滤面积过小的轮廓，阈值可根据图像调整
    if area < 500:
        continue
    x, y, w, h = cv2.boundingRect(cnt)
    # 在原图绘制检测框
    cv2.rectangle(image, (x, y), (x+w, y+h), (0, 0, 255), 2)
    # 裁剪目标区域
    cropped_obj = image[y:y+h, x:x+w]
    # 保存裁剪后的目标
    cv2.imwrite(f"cropped_object_{idx}.png", cropped_obj)

# 保存带检测框的原图
cv2.imwrite("detected_image.png", image)

关键说明： #

• HSV颜色空间：相比RGB，HSV的色调（H）通道不受光照强度影响，能更精准匹配目标颜色
• 形态学操作：膨胀+腐蚀可以填补目标内部的空隙，同时去掉背景的小噪声点
• 轮廓过滤：通过面积过滤掉小的噪声轮廓，避免误检
• 参数微调：如果检测效果不理想，可以调整lower_blue和upper_blue的HSV值，或者形态学核的大小、轮廓面积阈值

内容的提问来源于stack exchange，提问作者Abood