如何验证像素上下位置及用Python+OpenCV统计红区上方白像素数

1. 验证一个像素是否位于另一个像素的上方 #

在OpenCV采用的图像坐标系中，左上角为坐标原点，Y轴向下延伸，X轴向右延伸。要验证像素A(x₁, y₁)是否位于像素B(x₂, y₂)的正上方，需满足两个条件：

• 两点处于同一垂直线：x₁ == x₂
• 像素A的Y坐标更小：y₁ < y₂

若不需要严格正上方（仅垂直方向在上方，不要求同一X），只需满足y₁ < y₂即可，具体需结合场景需求判断。

2. Python+OpenCV统计红色区域上方白色像素数量的最优方法 #

结合你提到的“从白色像素向Y=512画垂直线”的思路，最优实现方式是先分割颜色区域，再通过列方向预处理快速筛选符合条件的白色像素，避免逐个像素遍历的低效操作。具体步骤如下：

步骤1：读取图像并转换颜色空间 #

优先使用HSV空间进行颜色分割，比RGB更抗光照干扰：

import cv2
import numpy as np

img = cv2.imread("你的图像路径.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

步骤2：生成红色和白色区域的掩码 #

• 红色在HSV中需覆盖两个范围（色相环为环形）：

# 红色HSV范围
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])
red_mask = cv2.inRange(hsv, lower_red1, upper_red1) | cv2.inRange(hsv, lower_red2, upper_red2)

• 白色的HSV特征为低饱和度、高亮度：

lower_white = np.array([0, 0, 200])
upper_white = np.array([180, 20, 255])
white_mask = cv2.inRange(hsv, lower_white, upper_white)

步骤3：预处理每列红色区域的最高位置 #

对每个X列，找到红色区域最上方的Y坐标（Y轴向下，最小Y值即为最上方），无红色的列标记为无效值：

width = img.shape[1]
# 存储每列红色区域的最高Y坐标，初始设为大于512的数值（表示无红色）
red_top_y = np.full(width, 513, dtype=np.int32)

for x in range(width):
    col_red = red_mask[:, x]
    red_ys = np.where(col_red > 0)[0]
    if len(red_ys) > 0:
        red_top_y[x] = red_ys.min()

步骤4：统计符合条件的白色像素 #

筛选白色像素中Y坐标小于对应列红色最高位置、且Y坐标小于512的像素：

# 获取所有白色像素的坐标
white_ys, white_xs = np.where(white_mask > 0)
# 筛选符合条件的像素
valid_mask = (white_ys < 512) & (white_ys < red_top_y[white_xs])
count = np.sum(valid_mask)

print(f"红色区域上方的白色像素数量：{count}")

关键优化点 #

• 用numpy向量化操作替代循环遍历，大幅提升处理速度；
• 预处理每列红色区域的最高位置，避免重复检查同一列的红色像素；
• 采用HSV空间做颜色分割，比RGB更稳定，减少光照对结果的影响。

内容的提问来源于stack exchange，提问作者user20372455