带光照效果的图像中黑色目标检测问题求助

• 动态调整HSV阈值，适配低饱和暗部区域
  固定HSV范围在光照不均场景下容易失效——你遇到的红色框灰黑色区域，属于低饱和度、低明度的深色，而绿色框的白色是高明度、低饱和度。可以尝试：

  • 下调V（明度）的上限，同时放宽S（饱和度）的下限，比如把V的范围设为[0, 60]，S设为[0, 100]，避免把低饱和的暗部排除在外。
  • 用cv2.inRange()多范围组合，同时覆盖纯黑（低S低V）和灰黑（极低S中低V）的区间。

• 叠加灰度与轮廓特征筛选，排除误判区域

  • 在HSV掩码生成后，叠加灰度值过滤：提取原图灰度图，把灰度值高于100的区域直接从掩码中剔除，这样能排除绿色框这类高灰度的白色区域。
  • 轮廓检测后加入规则校验：黑色盒子通常是近似矩形的轮廓，计算轮廓的外接矩形长宽比、轮廓面积与外接矩形面积的比值，过滤掉形状不规则、面积不符合的轮廓（比如绿色框的轮廓大概率不满足矩形特征）。

• 预处理优化暗部对比度

  • 对原图做CLAHE自适应直方图均衡化（针对灰度图）：clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))，处理后能提升红色框暗部区域的对比度，让深色区域与背景的差异更明显，便于阈值分割。
  • 用形态学操作优化掩码：先腐蚀去除小噪点，再膨胀填补黑色区域的孔洞，比如cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)，让目标轮廓更完整。

• 多色彩空间融合检测
  不要仅依赖HSV，结合Lab色彩空间的L通道（控制明度）和YCrCb的Y通道，分别对这两个通道设置低明度阈值，然后与HSV掩码取交集，能更精准锁定深色区域，减少白色区域的误判。

内容的提问来源于stack exchange，提问作者Wolf