技术问询：如何从模糊灰色角落区域分割深色斑点？

当前用全局二值化+形态学操作能搞定图像中部的深灰斑点分割，但角落区域因灰度差异不明显，全局阈值没法准确区分斑点与背景，试试这些优化方法：

1. 用自适应阈值替代全局阈值 #

自适应阈值会根据局部区域的灰度分布动态调整阈值，刚好适配角落的模糊灰区场景：

# 自适应阈值处理（把深灰斑点设为前景白色）
adaptive_thresh = cv2.adaptiveThreshold(denoiseImg, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                        cv2.THRESH_BINARY_INV, 11, 2)

• 参数说明：ADAPTIVE_THRESH_GAUSSIAN_C 用高斯加权计算局部阈值，窗口大小11可根据斑点尺寸调整，常数2用来微调阈值高低。

2. 先做局部对比度增强（CLAHE） #

先放大角落区域的灰度差异，再做阈值分割，能让斑点的辨识度明显提升：

# CLAHE增强局部对比度
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
enhanced_img = clahe.apply(denoiseImg)

# 再用自适应阈值分割
adaptive_thresh = cv2.adaptiveThreshold(enhanced_img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                        cv2.THRESH_BINARY_INV, 11, 2)

• clipLimit=2.0 限制对比度增强的幅度，避免过度放大噪声；tileGridSize=(8,8) 设定局部区域的网格大小。

3. 调整形态学操作的顺序与参数 #

先通过开运算去掉角落的细碎噪点，再用闭运算填充斑点空隙，优化分割结果：

# 开运算去除局部噪声
kernel3 = np.ones((3,3), np.uint8)
opening_img = cv2.morphologyEx(adaptive_thresh, cv2.MORPH_OPEN, kernel3)

# 闭运算填充斑点内部空隙
kernel5 = np.ones((5,5), np.uint8)
closing_img = cv2.morphologyEx(opening_img, cv2.MORPH_CLOSE, kernel5)

# 反转回原黑白风格（按需选择）
final_result = cv2.bitwise_not(closing_img)

完整流程示例 #

import cv2
import numpy as np

# 读取灰度图像（假设已完成降噪）
denoiseImg = cv2.imread("input_image.jpg", 0)

# 1. CLAHE对比度增强
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
enhanced_img = clahe.apply(denoiseImg)

# 2. 自适应阈值分割
adaptive_thresh = cv2.adaptiveThreshold(enhanced_img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                        cv2.THRESH_BINARY_INV, 11, 2)

# 3. 形态学优化
kernel3 = np.ones((3,3), np.uint8)
opening_img = cv2.morphologyEx(adaptive_thresh, cv2.MORPH_OPEN, kernel3)
kernel5 = np.ones((5,5), np.uint8)
closing_img = cv2.morphologyEx(opening_img, cv2.MORPH_CLOSE, kernel5)

# 最终分割结果
final_result = cv2.bitwise_not(closing_img)

内容的提问来源于stack exchange，提问作者Gaell Gelacio