如何获取轮廓区域的颜色范围并进行条件判断

你当前的代码基于灰度图提取轮廓，无法直接获取轮廓区域的彩色信息。要实现“检查轮廓区域是否在指定颜色范围”，需要结合彩色原图与轮廓掩码处理，具体步骤如下：

• 为每个轮廓生成专属掩码，仅保留轮廓覆盖的区域
• 通过掩码提取原图中对应区域的彩色像素，判断颜色是否符合指定范围
• 仅对符合颜色条件的轮廓进行绘制

以下是完整实现代码：

import cv2
import numpy as np

# 读取彩色原图
img = cv2.imread('D:/original.png', cv2.IMREAD_COLOR)
# 转灰度图用于轮廓检测
img_grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 阈值处理生成二值图
thresh = 100
ret, thresh_img = cv2.threshold(img_grey, thresh, 255, cv2.THRESH_BINARY)

# 查找所有轮廓
contours, hierarchy = cv2.findContours(thresh_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 指定目标颜色范围（注意：OpenCV图像为BGR格式，顺序是蓝、绿、红）
lower_color = np.array([100, 100, 100], dtype=np.uint8)
upper_color = np.array([200, 200, 200], dtype=np.uint8)

# 创建结果画布，用于绘制符合条件的轮廓
result_img = img.copy()

for contour in contours:
    # 生成当前轮廓的填充掩码
    mask = np.zeros_like(img_grey)
    cv2.drawContours(mask, [contour], -1, 255, thickness=cv2.FILLED)
    
    # 通过掩码提取轮廓区域的彩色像素
    masked_color_area = cv2.bitwise_and(img, img, mask=mask)
    
    # 计算轮廓区域的颜色均值（比逐个像素检查更高效）
    mean_bgr = cv2.mean(masked_color_area, mask=mask)[:3]
    
    # 判断颜色均值是否在指定范围内
    if (lower_color <= mean_bgr).all() and (mean_bgr <= upper_color).all():
        # 绘制符合条件的轮廓（绿色，线宽2）
        cv2.drawContours(result_img, [contour], -1, (0, 255, 0), 2)

# 展示结果
cv2.imshow('Filtered Contours', result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键细节说明 #

• 掩码作用：通过填充轮廓生成的掩码，能精准锁定轮廓对应的图像区域，避免无关像素干扰颜色判断。
• 颜色判断逻辑：使用区域颜色均值判断，平衡了性能与准确性；若要求区域内所有像素都符合颜色范围，可改用cv2.inRange结合掩码统计符合条件的像素占比。
• 颜色格式注意：OpenCV默认读取图像为BGR通道顺序，指定颜色范围时需对应蓝、绿、红的顺序，不要与RGB格式混淆。

内容的提问来源于stack exchange，提问作者Amin Memar