书籍轮廓提取遇阻，寻求通用OpenCV解决方案

针对你遇到的问题，这里提供一套更鲁棒的处理流程，不受背景颜色和顶部蓝色区域的影响：

核心处理步骤 #

1. 转换到HSV颜色空间：保留颜色特征，避免灰度化丢失关键区分信息
2. 多范围颜色掩码：同时匹配书籍主体棕色与顶部蓝色区域，生成完整的书籍区域掩码
3. 形态学闭操作：消除边缘小噪点（如"M"字符），填充掩码内部空隙
4. 轮廓筛选与近似：提取面积最大的轮廓并近似为矩形，精准获取书籍外框

完整代码实现 #

import cv2
import numpy as np

# 读取目标图片
image = cv2.imread("book_image.jpg")
# 转换到HSV颜色空间，便于颜色筛选
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义书籍的颜色范围（可根据实际图片微调）
# 主体棕色的HSV范围
lower_brown = np.array([10, 50, 50])
upper_brown = np.array([30, 255, 255])
# 顶部蓝色的HSV范围
lower_blue = np.array([90, 50, 50])
upper_blue = np.array([130, 255, 255])

# 生成对应颜色的掩码并合并
mask_brown = cv2.inRange(hsv, lower_brown, upper_brown)
mask_blue = cv2.inRange(hsv, lower_blue, upper_blue)
full_mask = cv2.bitwise_or(mask_brown, mask_blue)

# 形态学闭操作：先膨胀再腐蚀，去除小噪点并填充内部空隙
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
processed_mask = cv2.morphologyEx(full_mask, cv2.MORPH_CLOSE, kernel)

# 查找轮廓，仅保留最外层轮廓
contours, _ = cv2.findContours(processed_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选出面积最大的轮廓（即书籍外框）
max_contour = max(contours, key=cv2.contourArea)

# 轮廓近似，将不规则轮廓转换为矩形
epsilon = 0.02 * cv2.arcLength(max_contour, True)
book_contour = cv2.approxPolyDP(max_contour, epsilon, True)

# 在原图上绘制轮廓
result_img = image.copy()
cv2.drawContours(result_img, [book_contour], 0, (0, 255, 0), 3)

# 查看处理效果
cv2.imshow("Processed Mask", processed_mask)
cv2.imshow("Book Contour", result_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键优化说明 #

• 颜色掩码替代灰度处理：直接通过颜色区分书籍与背景，不受背景颜色变化影响，比灰度阈值法鲁棒性更强
• 形态学操作：闭操作可以有效过滤边缘的小字符干扰，同时填充书籍内部文字造成的掩码空隙
• 轮廓筛选逻辑：仅保留面积最大的轮廓，避免误识别其他小区域；轮廓近似则让最终结果更贴合书籍的矩形外形

内容的提问来源于stack exchange，提问作者Boris Borais