如何用OpenCV测量电子显微镜图片中金字塔棱边的长度？

核心优化思路 #

针对原方案的噪点、误检基底边缘问题，从图像预处理、边缘强化、线条过滤三个环节调整，减少人工操作：

• 修正灰度转换：原代码错误转为四通道BGRA，需改为单通道灰度图才能正确处理
• 自适应阈值+形态学操作：替代单纯高斯模糊，更精准抑制噪点同时保留棱边
• 角度过滤线条：根据金字塔棱边的倾斜特征，过滤掉水平/垂直的基底边缘
• 精细化Hough参数：通过最小长度、最大间隙筛选符合棱边特征的线条

优化后代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像并转为灰度图
img = cv2.imread('../data/sample.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 自适应阈值处理：抑制背景噪点，突出棱边
adaptive_thresh = cv2.adaptiveThreshold(
    gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2
)

# 形态学开运算：先腐蚀去除小噪点，再膨胀强化棱边
kernel = np.ones((3,3), np.uint8)
cleaned_edge = cv2.morphologyEx(adaptive_thresh, cv2.MORPH_OPEN, kernel)

# Canny边缘检测：调高阈值减少噪点干扰
edges = cv2.Canny(cleaned_edge, 50, 150)

# Hough变换检测线条：设置最小长度过滤短噪线，最大间隙连接断裂棱边
lines = cv2.HoughLinesP(
    edges,
    rho=1,
    theta=np.pi/180,
    threshold=30,
    minLineLength=80,
    maxLineGap=10
)

# 过滤线条：保留金字塔棱边角度范围（根据实际图像调整）
filtered_lines = []
if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        # 计算线条角度（转换为0-180°范围）
        angle = abs(np.arctan2(y2 - y1, x2 - x1) * 180 / np.pi)
        # 过滤水平/垂直线条，保留40-50°或130-140°的斜线（示例角度，按需调整）
        if (40 < angle < 50) or (130 < angle < 140):
            filtered_lines.append(line)
            # 绘制检测到的棱边
            cv2.line(img, (x1,y1), (x2,y2), (0,0,255), 2)
            # 计算棱边像素长度（需结合图像比例尺转物理长度）
            pixel_length = np.sqrt((x2-x1)**2 + (y2-y1)**2)
            print(f"棱边长度（像素）：{pixel_length:.2f}")

# 展示结果
plt.figure(figsize=(12,6))
plt.subplot(131), plt.imshow(gray, cmap='gray'), plt.title('原始灰度图')
plt.subplot(132), plt.imshow(edges, cmap='gray'), plt.title('处理后边缘')
plt.subplot(133), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)), plt.title('检测结果')
plt.show()

额外调整建议 #

• 对比度提升：如果图像整体偏暗，可加入gray = cv2.equalizeHist(gray)做直方图均衡化
• 角度校准：根据实际金字塔的倾斜角度，修改代码中角度过滤的范围（比如30-60°）
• 物理长度转换：若需要实际尺寸，需获取图像比例尺（如1像素=0.1微米），将像素长度乘以比例尺
• 手动微调：检测完成后可添加简单交互（比如鼠标点击删除误检线条），进一步减少纯手动标记的工作量

内容的提问来源于stack exchange，提问作者link89