如何使用OpenCV从图像中提取焊盘区域（条带提取）

我来帮你搞定这个焊盘提取的问题～从你当前的输出结果来看，代码只是简单用Otsu阈值+外接矩形裁剪，没精准分离出焊盘区域——毕竟焊盘是多个小区域，直接取外接矩形会把周围多余背景也框进去，而且Otsu全局阈值可能没处理好图像里的灰度差异。

问题根源 #

你的初始逻辑是对灰度图做全局阈值分割后取外接矩形，但存在两个核心问题：

• 全局阈值（Otsu）无法应对光照不均匀的情况，可能把部分背景误判为前景
• 直接取外接矩形会包含所有前景的最小框，而不是单独提取焊盘区域

改进步骤与代码 #

我们可以通过预处理降噪+自适应阈值+形态学操作+轮廓掩码的组合来精准提取焊盘：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread('strip.png')
grayscale = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 1. 高斯模糊降噪：减少高频噪声，避免阈值分割误判
blurred = cv2.GaussianBlur(grayscale, (5, 5), 0)

# 2. 自适应阈值分割：针对局部区域计算阈值，适配光照不均
thresholded = cv2.adaptiveThreshold(
    blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY_INV, 11, 2
)

# 3. 形态学闭操作：先膨胀再腐蚀，填补焊盘小空洞、去除背景噪声
kernel = np.ones((3, 3), np.uint8)
cleaned_mask = cv2.morphologyEx(thresholded, cv2.MORPH_CLOSE, kernel)

# 4. 提取焊盘轮廓并生成掩码
contours, _ = cv2.findContours(cleaned_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
pad_mask = np.zeros_like(grayscale)
cv2.drawContours(pad_mask, contours, -1, 255, thickness=cv2.FILLED)

# 5. 提取焊盘区域并裁剪到最小范围
pad_region = cv2.bitwise_and(img, img, mask=pad_mask)
x, y, w, h = cv2.boundingRect(pad_mask)
cropped_pads = pad_region[y:y+h, x:x+w]

# 保存结果
cv2.imwrite("extracted_pads.png", cropped_pads)

步骤解释 #

• 高斯模糊：平滑图像，过滤掉可能干扰阈值分割的细小噪声点
• 自适应阈值：相比全局Otsu阈值，它会根据每个像素周围11x11的区域计算阈值，能更好区分焊盘和不均匀的背景
• 形态学闭操作：用3x3的核先膨胀（填补焊盘内部小缝隙）再腐蚀（去除背景小噪点），让焊盘区域更完整
• 轮廓掩码：通过轮廓找到所有焊盘的位置，用掩码精准保留焊盘区域，最后裁剪到包含所有焊盘的最小矩形，得到你想要的结果

内容的提问来源于stack exchange，提问作者T. Swiz