使用cv2.imread加载灰度图后二值化及Blob检测失败求助

一、核心问题拆解 #

你遇到的检测失败，根源是二值化后像素未严格锁定为0和1，这大概率是图像读取时的精度丢失，或是手动重分类逻辑的误差导致的。毕竟cv2.imread默认加载灰度图是8位无符号整数（0-255），而你的原图像素是0-1的浮点数范围，直接读取会被自动缩放或截断，后续二值化自然不彻底。

二、优化的二值化方法 #

1. 正确读取浮点型灰度图 #

别用默认的cv2.imread，改用cv2.IMREAD_UNCHANGED参数保留原始精度，或者手动转换回浮点范围：

import cv2
import numpy as np

# 读取原始图像，保留完整精度
img = cv2.imread('your_image.png', cv2.IMREAD_UNCHANGED)
# 如果读取后是8位图，手动转回0-1浮点范围
if img.dtype == np.uint8:
    img = img / 255.0

2. 精准生成严格二值图 #

针对你的像素分布（黑色0-1，白色0），直接用阈值分割或numpy逻辑生成严格的0/1图，注意转成uint8适配OpenCV的Blob检测器：

# 方法1：用OpenCV阈值分割
_, binary_img = cv2.threshold(img, 0, 1, cv2.THRESH_BINARY)
binary_img = binary_img.astype(np.uint8)

# 方法2：用numpy直接判断（更直观）
binary_img = np.where(img > 0, 1, 0).astype(np.uint8)

3. 处理浮点精度误差 #

如果原图白色像素不是严格0，而是接近0的极小值，加个微小阈值过滤：

# 把小于1e-6的像素视为白色（0），其余设为黑色（1）
threshold = 1e-6
binary_img = np.where(img > threshold, 1, 0).astype(np.uint8)

三、Blob检测器参数排查 #

就算二值化正确，参数设置也可能导致检测失效，按以下方向调整：

• 确保filterByColor=True，且blobColor=1（你要检测的黑色对应像素值1）
• 先放宽minArea和maxArea，避免误过滤小Blob
• 暂时关闭filterByCircularity、filterByConvexity等严格过滤项，先做基础测试

示例参数设置：

params = cv2.SimpleBlobDetector_Params()
params.filterByColor = True
params.blobColor = 1  # 目标Blob的像素值
params.filterByArea = True
params.minArea = 10  # 根据你的Blob实际大小调整
params.maxArea = 10000
# 先关闭其他过滤项，排查是否是参数太严
params.filterByCircularity = False
params.filterByConvexity = False
params.filterByInertia = False

detector = cv2.SimpleBlobDetector_create(params)
keypoints = detector.detect(binary_img)

四、额外排查点 #

• 用cv2.imshow或plt.imshow查看二值化后的图像，确认黑色区域确实是1，白色是0
• 如果图像实际是反的（比如黑色是0，白色是1），调整blobColor=0，或者反转二值图：binary_img = 1 - binary_img
• 读取后打印img.shape和img.dtype，确认图像尺寸和精度没有被误修改

内容的提问来源于stack exchange，提问作者Max Duso