OpenCV实现类圆形液体区域自动分割及裁剪保存技术求助

一、核心思路 #

放弃灰度图的边缘检测/正圆检测方案，改用HSV颜色空间阈值分割精准提取红/黄色目标，再通过轮廓筛选保留类圆形区域，最后实现单个区域的分割与独立保存。

二、分步实现代码与解释 #

1. 导入依赖库 #

import cv2
import numpy as np

2. 颜色阈值分割（去除白色背景） #

白色背景在HSV空间的特征是低饱和度（S）+ 高亮度（V），红/黄色则有明确的色调（H）范围。通过HSV阈值生成目标区域掩码，直接过滤白色背景：

# 读取图像
img = cv2.imread('red.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义红/黄色的HSV阈值（根据实际图像微调）
# 红色在HSV中跨0和180两个区间
lower_red1 = np.array([0, 40, 40])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 40, 40])
upper_red2 = np.array([180, 255, 255])
# 黄色区间
lower_yellow = np.array([20, 40, 40])
upper_yellow = np.array([30, 255, 255])

# 合并红/黄色掩码
mask_red = cv2.bitwise_or(cv2.inRange(hsv, lower_red1, upper_red1), cv2.inRange(hsv, lower_red2, upper_red2))
mask_yellow = cv2.inRange(hsv, lower_yellow, upper_yellow)
mask_target = cv2.bitwise_or(mask_red, mask_yellow)

# 形态学操作去除噪点、填补空洞（核大小根据图像调整）
kernel = np.ones((5,5), np.uint8)
mask_target = cv2.morphologyEx(mask_target, cv2.MORPH_CLOSE, kernel)
mask_target = cv2.morphologyEx(mask_target, cv2.MORPH_OPEN, kernel)

3. 轮廓筛选（保留类圆形区域） #

通过面积和圆度筛选目标，排除背景噪点和非类圆形区域：

# 查找最外层轮廓
contours, _ = cv2.findContours(mask_target, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

valid_contours = []
for cnt in contours:
    # 过滤过小的噪点轮廓（面积阈值根据目标大小调整）
    area = cv2.contourArea(cnt)
    if area < 1000:
        continue
    # 计算圆度：圆度=4π*面积/(周长²)，值越接近1越接近圆形
    perimeter = cv2.arcLength(cnt, True)
    if perimeter == 0:
        continue
    circularity = 4 * np.pi * (area / (perimeter ** 2))
    # 类圆形阈值，变形越大可适当降低（如0.5）
    if circularity > 0.7:
        valid_contours.append(cnt)

# 可视化验证筛选结果
img_contour = img.copy()
cv2.drawContours(img_contour, valid_contours, -1, (0,255,0), 3)
cv2.imshow('Valid Contours', img_contour)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 分割单个区域并保存 #

为每个有效轮廓生成独立掩码，提取目标区域并裁剪保存：

# 遍历每个有效轮廓，分割保存
for idx, cnt in enumerate(valid_contours):
    # 创建仅包含当前轮廓的掩码
    roi_mask = np.zeros_like(mask_target)
    cv2.drawContours(roi_mask, [cnt], -1, 255, -1)
    
    # 提取带颜色的目标区域
    roi = cv2.bitwise_and(img, img, mask=roi_mask)
    
    # 裁剪出最小外接矩形区域（去除多余空白）
    x, y, w, h = cv2.boundingRect(cnt)
    roi_cropped = roi[y:y+h, x:x+w]
    
    # 保存文件
    cv2.imwrite(f'target_{idx+1}.jpg', roi_cropped)
    print(f'已保存：target_{idx+1}.jpg')

三、关键细节说明 #

• HSV阈值调整：若目标与背景区分度不足，可使用cv2.createTrackbar实时调整HSV参数，找到最优阈值。
• 圆度阈值：根据类圆形的变形程度调整，0.7适合轻微变形的目标，变形较大时可降至0.5左右。
• 之前代码的问题修正：
  • findContours用灰度图丢失颜色信息，导致边缘检测受背景干扰；
  • HoughCircles代码中cv2.cvtColor(experiment, cv2.COLOR_GRAY2BGR)是错误转换，应为COLOR_BGR2GRAY，且该方法仅支持正圆，无法适配类圆形结构。

内容的提问来源于stack exchange，提问作者John C Lau