如何利用含board、liquid两类的二值掩码计算烤盘板的像素长度

核心思路 #

用cv2.fitEllipse拟合椭圆后，椭圆参数里的长轴长度就是板的像素长度，关键是先准确提取board类的轮廓，再解析椭圆参数。

具体步骤 #

• 提取board专属掩码：从二值掩码中分离出仅包含board的区域（比如假设board对应的灰度值为255，liquid为0，可根据实际掩码调整）。
• 提取board轮廓：用cv2.findContours提取board区域的轮廓，建议用cv2.RETR_EXTERNAL只取最外层轮廓，避免内部干扰；再用cv2.contourArea过滤掉小的噪声轮廓。
• 拟合椭圆并解析参数：对board的轮廓用cv2.fitEllipse拟合，返回的元组格式为((中心x, 中心y), (长轴长度, 短轴长度), 旋转角度)，其中第二个元素的第一个值就是板的像素长度（如果长轴方向与板的延伸方向不符，取第二个值即可）。

代码示例 #

import cv2
import numpy as np

# 读取二值掩码图（假设board为255，liquid为0）
mask = cv2.imread('board_liquid_mask.png', cv2.IMREAD_GRAYSCALE)
# 提取board区域
board_mask = np.where(mask == 255, 255, 0).astype(np.uint8)

# 提取board轮廓
contours, _ = cv2.findContours(board_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 过滤小轮廓，只保留最大的（board的轮廓）
board_contour = max(contours, key=cv2.contourArea)

# 拟合椭圆
ellipse = cv2.fitEllipse(board_contour)
# 解析椭圆参数：长轴长度即为板的像素长度
board_length = ellipse[1][0]
# 如果短轴才是实际板的长度，就取ellipse[1][1]

print(f"板的像素长度：{board_length}")

注意事项 #

• 如果拟合的椭圆不符合预期，检查轮廓是否正确提取：比如是否有断开的轮廓，可先对board_mask做一次cv2.morphologyEx膨胀操作，连接断裂区域。
• 若板是近似矩形，也可以用cv2.minAreaRect拟合旋转矩形，取矩形的长边长作为长度，可能更贴合实际形状。

内容的提问来源于stack exchange，提问作者Alex