使用DipLib测量分割图像平均厚度时的报错问题咨询

问题背景 #

尝试测量分割标记后图像的平均厚度，使用opencv未成功，采纳@CrisLuengo建议改用diplib，参考相关示例代码。预处理图像后需测量三个区域的平均厚度：

• 顶部细长白色区域
• 中间黑色区域
• 底部厚白色区域

对图像标记后选取面积排名前二的白色区域，底部厚白色区域测量结果接近实际值（估计值15.33 μm，实际值14.66 μm），但处理顶部薄白色区域时算法报错。预处理代码如下：

median=cv2.medianBlur(img,13)
ret, th = cv2.threshold(median, 0 , 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
kernel=np.ones((3,15),np.uint8)
closing1 = cv2.morphologyEx(th, cv2.MORPH_CLOSE, kernel, iterations=2)
kernel=np.ones((1,31),np.uint8)
closing2 = cv2.morphologyEx(closing1, cv2.MORPH_CLOSE, kernel)

label_image=measure.label(closing2, connectivity=closing2.ndim)
props= measure.regionprops_table (label_image, properties=['label'])

kernel=np.ones((1,13),np.uint8)
opening1= cv2.morphologyEx(closing2, cv2.MORPH_OPEN, kernel,  iterations=2)

label_image=measure.label(opening1, connectivity=opening1.ndim)
props= measure.regionprops_table (label_image, properties=['label', "area", "coords"])

报错原因与区域差异 #

1. 形态学操作的尺寸适配错误 #

顶部区域是细长结构，你使用的(1,31)闭运算核、(1,13)开运算核尺寸远大于顶部区域的宽度，会直接破坏其完整性：要么将区域蚀穿断裂，要么将其与其他区域合并，导致后续标记出的顶部区域面积极小甚至完全消失。而底部厚白色区域尺寸足够大，大核形态学操作不会破坏其结构，能保留完整的连通区域，因此算法可正常运行。

2. 区域标记后的有效数据丢失 #

开运算对顶部细长区域的破坏，会导致该区域的coords（坐标集合）不连续或为空。当将这类无效区域传入diplib的厚度测量函数时，函数无法提取有效区域的骨架，也无法完成距离变换计算，直接触发报错。

3. 厚度测量算法的输入要求不满足 #

diplib的厚度测量功能依赖区域的连通性与最小尺寸阈值，顶部区域经不当预处理后连通性丢失，无法满足算法的输入要求，进而抛出“无效区域”“空输入”类的错误。

修复方向 #

• 针对顶部细长区域单独调整预处理参数：改用更小的形态学核（如(1,5)或(1,7)），避免破坏区域结构；
• 调整区域筛选逻辑：先基于原始阈值图像标记区域，再通过位置（如y坐标范围）区分顶部与底部白色区域，而非仅依赖面积排名；
• 增加输入校验：提前判断区域的连通性与最小面积，跳过无效区域或对其做修复处理。

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