基于Python 3.9+OpenCV 4.6提取指定图像区域的技术求助

针对你需要从图像中自动分割红色贴纸的需求，以下是基于OpenCV的具体实现方案，对应你方案A的第一步：

核心逻辑 #

红色在HSV颜色空间分为两个区间（低色相和高色相），先通过颜色阈值提取红色区域的掩码，再通过轮廓检测获取每个贴纸的外接矩形，最终得到每个贴纸的bounding box。

分步实现代码及说明 #

import cv2
import numpy as np

# 1. 读取原始图像（替换为你的图像路径）
img = cv2.imread("your_original_image.png")
# 转换为HSV颜色空间，比BGR更适合颜色筛选
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 2. 定义红色的HSV阈值范围，覆盖所有红色色调
# 低色相红色（偏橙红）
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
# 高色相红色（偏紫红）
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

# 生成红色区域掩码，合并两个区间的结果
mask_red1 = cv2.inRange(hsv_img, lower_red1, upper_red1)
mask_red2 = cv2.inRange(hsv_img, lower_red2, upper_red2)
red_mask = cv2.bitwise_or(mask_red1, mask_red2)

# 3. 形态学操作去除噪点，让红色区域更连贯
# 闭操作（膨胀+腐蚀）填补区域内的小孔，开操作（腐蚀+膨胀）消除外围小噪点
kernel = np.ones((5, 5), np.uint8)
red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_CLOSE, kernel)
red_mask = cv2.morphologyEx(red_mask, cv2.MORPH_OPEN, kernel)

# 4. 检测轮廓并筛选有效贴纸
# 只检测最外层轮廓，压缩轮廓点
contours, _ = cv2.findContours(red_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 过滤掉过小的噪点轮廓（根据你的贴纸大小调整面积阈值）
min_sticker_area = 500
for contour in contours:
    area = cv2.contourArea(contour)
    if area > min_sticker_area:
        # 获取轮廓的外接矩形
        x, y, width, height = cv2.boundingRect(contour)
        # 在原始图像上绘制绿色的bounding box（线宽2）
        cv2.rectangle(img, (x, y), (x + width, y + height), (0, 255, 0), 2)

# 5. 保存或显示结果
cv2.imwrite("result_with_bounding_boxes.png", img)
cv2.imshow("Red Stickers with Bounding Boxes", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键参数调整提示 #

• HSV阈值：如果红色区域提取不全或误检其他颜色，可微调120（饱和度下限）和70（亮度下限），也可扩展色相范围（比如把10改成15，170改成165）。
• 轮廓面积阈值：min_sticker_area需要根据你的贴纸实际大小调整，确保只保留贴纸轮廓，过滤掉灰尘、小色块等噪点。
• 形态学核大小：如果图像噪点多，可把(5,5)的核改成(7,7)；如果贴纸细节精细，可改成(3,3)。

内容的提问来源于stack exchange，提问作者user20030253