使用OpenCV绘制叶片轮廓计算面积遇问题：cv2.findContours()识别错误区域

我看了你的代码和输入输出图像，问题很明显：cv2.findContours()识别了大量细碎的噪点轮廓，而不是我们需要的叶片主体轮廓。这主要是因为你的处理流程没有对轮廓做筛选，而且中间的掩码处理残留了不少小噪点。下面是针对性的优化方案和修改后的代码：

核心问题分析 #

• 你当前的流程中，反转后的图像里残留了很多小的高亮区域，这些区域被识别成了无效轮廓。
• 没有对找到的轮廓进行过滤，导致所有细碎的小轮廓都被绘制出来。
• 形态学操作的参数不够强，没能完全消除噪点干扰。

优化后的代码 #

import cv2
import numpy as np
from google.colab.patches import cv2_imshow

def Contours_Detection(image_path):
    img = cv2.imread(image_path)
    image = cv2.resize(img,(500,500), interpolation = cv2.INTER_AREA)  
    lab = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
    
    # 提取LAB空间的a通道，这个通道对绿色叶片的区分度较好
    a_channel = lab[:,:,1]
    
    # 用Otsu自动阈值化生成掩码，这里改用THRESH_BINARY更贴合叶片的亮度特征
    th = cv2.threshold(a_channel, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
    
    # 用更大的结构元素做闭运算，彻底消除小噪点，同时闭合叶片上的细微缝隙
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
    cleaned_mask = cv2.morphologyEx(th, cv2.MORPH_CLOSE, kernel, iterations=3)
    
    # 只查找最外层轮廓，避免识别内部小区域
    contours, hierarchy = cv2.findContours(cleaned_mask, mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE)
    
    # 筛选出面积最大的轮廓——这就是我们要的叶片轮廓
    if contours:
        max_contour = max(contours, key=cv2.contourArea)
        contours = [max_contour]
    
    # 在黑色画布上绘制叶片轮廓
    black_img = np.zeros_like(image)
    spot_on_black_img = cv2.drawContours(black_img, contours, -1, (0,255,0), 2)
    
    return spot_on_black_img

image_path = '/content/IMG_3407.jpg'
spot_on_black_img = Contours_Detection(image_path)
cv2_imshow(spot_on_black_img)

关键改动说明 #

• 调整阈值化模式：把THRESH_BINARY_INV改为THRESH_BINARY，因为输入图像中叶片在a通道是偏亮的区域，直接二值化就能得到正确的叶片掩码。
• 强化形态学操作：使用5x5的结构元素和3次迭代的闭运算，能更彻底地清除小噪点，同时填补叶片上的细微孔洞。
• 筛选有效轮廓：通过max(contours, key=cv2.contourArea)筛选出面积最大的轮廓，直接过滤掉所有噪点产生的小轮廓。
• 优化轮廓检索模式：用RETR_EXTERNAL只获取最外层轮廓，避免误识别叶片内部的纹理区域。

这样处理后，就能精准识别并绘制出叶片的完整轮廓，后续计算面积也能基于这个轮廓来完成。

内容的提问来源于stack exchange，提问作者Jansher Mughal