如何基于轮廓凹部在OpenCV中分割不同尺寸单色目标

云原生阿岚

2026-8-18

基于distanceTransform的1-bit图像凹部分割实现方案

针对无噪声1-bit黑白图像中白色目标的凹部分割需求，尤其是目标尺寸差异大、椭圆或挤压变形的场景，用distanceTransform结合分水岭的方案可以解决传统分水岭种子选取失效的问题，核心思路是通过距离变换生成自适应尺寸的前景种子，再引导分水岭完成精准分割。

distanceTransform能计算前景像素到最近背景的距离，目标内部的距离值从中心到边缘递减，凹部位置的距离值会明显低于周围凸区域。基于这个特征，我们可以提取每个子目标的核心作为分割种子，这些种子的大小会自适应目标尺寸，不会因为目标大小差异导致种子丢失或重叠。

1. 提取前景Mask
直接从输入的1-bit图像中提取白色目标的二值Mask（白色为前景，值为1；黑色为背景，值为0），因为无噪声，无需额外降噪处理：
```
mask = (img == 255).astype(np.uint8)
```
2. 计算距离变换图
使用L2距离类型计算距离变换，卷积核选5x5适配多数目标尺寸，输出32位浮点型距离图：
```
dist_transform = cv2.distanceTransform(mask, cv2.DIST_L2, 5)
```
距离图中，目标中心区域距离值最大，凹部区域距离值显著降低。
3. 生成自适应前景种子
用相对阈值提取距离图中高值区域作为确定前景（种子），阈值取距离最大值的70%（经验值，可根据凹部深浅调整）：
```
ret, sure_fg = cv2.threshold(dist_transform, 0.7 * dist_transform.max(), 255, 0)
sure_fg = sure_fg.astype(np.uint8)
```
这个相对阈值能自适应不同尺寸的目标：大目标的距离最大值高，种子区域范围合理；小目标的距离最大值低，种子也能精准定位核心。
4. 确定背景与不确定区域
对原始Mask做膨胀操作，得到覆盖凹部外侧的确定背景；再用背景减去前景种子，得到凹部所在的不确定区域：
```
sure_bg = cv2.dilate(mask, np.ones((3,3), np.uint8), iterations=2)
unknown = cv2.subtract(sure_bg, sure_fg)
```

5. 标记连通区域
对前景种子做连通区域标记，调整标记值避免与背景（0）混淆，再将不确定区域设为0：

ret, markers = cv2.connectedComponents(sure_fg)
markers = markers + 1  # 背景标记为1，前景种子从2开始编号
markers[unknown == 255] = 0

6. 应用分水岭分割
将灰度图转为3通道图（分水岭要求输入为3通道），执行分水岭算法：
```
img_color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
markers = cv2.watershed(img_color, markers)
```
最终markers中，值为-1的是分割线，不同正整数对应不同的分割区域。

内容的提问来源于stack exchange，提问作者김은수