求助：鱼尾端点坐标的求解方案及示例

实现步骤 #

1. 图像预处理：通过灰度化、去噪、二值化操作突出鱼的轮廓，过滤无关噪声
2. 轮廓提取：提取图像中面积最大的轮廓（默认对应鱼的主体）
3. 端点定位：根据鱼尾的几何特征遍历轮廓点，筛选目标坐标

代码示例（基于OpenCV） #

import cv2
import numpy as np

# 加载测试图片
img = cv2.imread('fish_test_image.jpg')
# 灰度转换
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯模糊去噪
blurred = cv2.GaussianBlur(gray_img, (5, 5), 0)
# 自适应二值化，突出鱼的轮廓
binary_img = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
# Canny边缘检测
edges = cv2.Canny(binary_img, 40, 120)

# 提取外部轮廓
contours, _ = cv2.findContours(edges.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 筛选面积最大的轮廓（对应鱼的主体）
fish_contour = max(contours, key=cv2.contourArea)

# 定位鱼尾端点：此处以轮廓最右侧点为例，可根据实际图像调整判断逻辑
tail_point = max(fish_contour, key=lambda point: point[0][0])
tail_x, tail_y = tail_point[0][0], tail_point[0][1]

print(f"检测到的鱼尾端点坐标：({tail_x}, {tail_y})")

# 可视化标记结果
cv2.circle(img, (tail_x, tail_y), 6, (0, 0, 255), -1)
cv2.imshow('Detected Tail Point', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

调整优化建议 #

• 若噪声过多：增大高斯模糊的核尺寸（如(7,7)），或添加形态学腐蚀/膨胀操作（cv2.erode()/cv2.dilate()）
• 若端点判断不准：可改为寻找轮廓凸包的顶点（cv2.convexHull()），再根据位置筛选鱼尾端点；或计算轮廓的极值点（最下/最上点）
• 若二值化效果差：替换为全局阈值cv2.threshold()，手动调整阈值参数适配图像

内容的提问来源于stack exchange，提问作者Mirote