如何用OpenCV从牛的俯视图深度图中分割头部并提取身体区域？

我正在使用OpenCV处理牛的图像，以提取最大区域并去除背景信息，这些图像用于估算牛的体重。为了准确估重，我需要从待处理图像中去除牛的头部。目前我已能提取出包含头部的牛的最大区域（图1），但希望仅提取牛的身体区域（图2）。现有代码如下：

img = cv2.imread(subdir + '\' + img_name + '.png')
cv2.imshow('img', img)
cv2.waitKey()

#Convert to hue, saturation, and value
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h,s,v = cv2.split(hsv_img)
hsv_split = np.concatenate((h,s,v),axis=1)

# Use the hue value to convert to binary
thresh = 20
thresh, thresh_img = cv2.threshold(h, thresh, 255, cv2.THRESH_BINARY)
                    
# Finding Contours
# Use a copy of the image since findContours alters the image

contours, _ = cv2.findContours(thresh_img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
                        
#Extract the largest area
c = max(contours, key=cv2.contourArea) 

请问是否可以使用OpenCV实现去除头部、提取身体区域的操作？

完全可以用OpenCV实现这个需求，以下是几种实用的思路和代码实现：

思路1：形态学开运算切除突出头部 #

适合头部与身体连接处较窄的场景，利用形态学操作去除轮廓的“突出部分”：

1. 先基于现有轮廓生成牛的整体掩码：

   mask = np.zeros_like(img[:, :, 0])
   cv2.drawContours(mask, [c], -1, 255, thickness=cv2.FILLED)
   

2. 创建横向椭圆形的结构化元素，执行开运算（先腐蚀再膨胀）切除头部：

   # 结构化元素尺寸需根据图像实际大小调整，确保能覆盖头部宽度
   kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (60, 120))
   body_mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
   

3. 提取处理后掩码的最大轮廓，得到仅包含身体的区域：

   body_contours, _ = cv2.findContours(body_mask.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
   body_c = max(body_contours, key=cv2.contourArea)
   
   # 可视化结果
   result = img.copy()
   cv2.drawContours(result, [body_c], -1, (0, 255, 0), 2)
   cv2.imshow('Body Only', result)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

思路2：基于最小外接矩形的区域分割 #

适合拍摄姿态固定（比如侧面站立）的牛，通过截取外接矩形的大部分区域去除头部：

1. 获取牛整体轮廓的最小外接矩形：

   rect = cv2.minAreaRect(c)
   box = cv2.boxPoints(rect)
   box = np.int0(box)
   width, height = int(rect[1][0]), int(rect[1][1])
   

2. 假设头部占整体长度的1/5，调整矩形边界去除头部一侧（以横向矩形为例）：

   body_ratio = 0.8  # 保留80%的区域作为身体
   adjust_pixel = int(width * (1 - body_ratio))
   new_box = box.copy()
   
   # 判断头部所在方向（左侧或右侧）
   if box[0][0] < box[2][0]:
       # 头部在左侧，右移左边界
       new_box[0][0] += adjust_pixel
       new_box[3][0] += adjust_pixel
   else:
       # 头部在右侧，左移右边界
       new_box[1][0] -= adjust_pixel
       new_box[2][0] -= adjust_pixel
   

3. 生成新的身体掩码并与原掩码取交集，过滤背景：

   temp_mask = np.zeros_like(mask)
   cv2.drawContours(temp_mask, [new_box], -1, 255, cv2.FILLED)
   body_mask = cv2.bitwise_and(temp_mask, mask)
   

思路3：颜色差异分割头部 #

如果头部与身体颜色差异明显（比如头部有白色斑块），可以通过HSV二次分割去除头部：

1. 针对头部颜色设置HSV范围（需根据实际图像调整）：

   # 示例：针对浅色头部的HSV阈值
   lower_head = np.array([0, 0, 190])
   upper_head = np.array([180, 40, 255])
   head_mask = cv2.inRange(hsv_img, lower_head, upper_head)
   

2. 从整体掩码中减去头部区域：

   body_mask = cv2.bitwise_and(mask, cv2.bitwise_not(head_mask))
   

3. 用形态学闭运算清理掩码中的小噪点：

   kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (15,15))
   body_mask = cv2.morphologyEx(body_mask, cv2.MORPH_CLOSE, kernel)
   

内容的提问来源于stack exchange，提问作者Katie Price