如何修改OpenCV代码实现深浅背景图像的轮廓提取？

问题描述 #

现有基于OpenCV和imutils的轮廓提取代码，处理白色背景上的深色图像时可成功提取轮廓，但处理深色背景图像时抛出如下错误：

Traceback (most recent call last):
File "segment_img.py", line 16, in <module>
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
IndexError: list index out of range

原因是深色背景下，原代码的自适应阈值参数无法生成有效轮廓，导致轮廓列表为空。

原代码如下：

import imutils
import cv2
import numpy as np  # 原代码遗漏numpy导入，需补充

image = cv2.imread("image.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
image = imutils.resize(image, width = 64)
thresh = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV, 11, 7)
# initialize the outline image, find the outermost
# contours then draw
# it
outline = np.zeros(image.shape, dtype = "uint8")
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[0]
x=cv2.drawContours(outline, [cnts], -1, 255, -1)

解决方案 #

核心思路是根据图像整体亮度自动切换二值化方向，同时添加轮廓存在性判断避免索引越界：

1. 计算图像的平均灰度值，判断图像整体偏亮还是偏暗
2. 选择对应的自适应阈值类型（背景亮用THRESH_BINARY_INV，背景暗用THRESH_BINARY）
3. 检测到轮廓后再进行排序和绘制，否则给出提示

修改后的代码：

import imutils
import cv2
import numpy as np

image = cv2.imread("image.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
image = imutils.resize(image, width=64)

# 计算图像平均灰度，判断整体明暗
avg_gray = np.mean(image)
# 根据平均亮度选择阈值类型：偏亮背景用INV，偏暗背景用普通二值化
if avg_gray > 127:  # 127为灰度中间值，可根据实际场景微调
    thresh_type = cv2.THRESH_BINARY_INV
else:
    thresh_type = cv2.THRESH_BINARY

# 自适应阈值处理
thresh = cv2.adaptiveThreshold(image, 255, cv2.ADAPTIVE_THRESH_MEAN_C, thresh_type, 11, 7)

outline = np.zeros(image.shape, dtype="uint8")
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

# 添加轮廓存在性判断，避免索引越界
if cnts:
    # 按面积排序取最大轮廓
    largest_cnt = sorted(cnts, key=cv2.contourArea, reverse=True)[0]
    cv2.drawContours(outline, [largest_cnt], -1, 255, -1)
    # 可添加保存或显示结果的代码
    # cv2.imwrite("outline.jpg", outline)
else:
    print("未检测到有效轮廓")

说明 #

• 平均灰度阈值127可根据实际场景微调，比如图像明暗对比弱时，可调整为100或150
• 补充了原代码遗漏的numpy导入，避免np.zeros报错
• 增加了轮廓为空的判断逻辑，防止程序崩溃
• 通过自动切换阈值类型，确保无论背景是亮还是暗，前景区域都能被正确二值化，从而检测到轮廓

内容的提问来源于stack exchange，提问作者mad