为何生成大量冗余轮廓？如何为提取的巩膜绘制目标轮廓

为什么会出现大量轮廓？ #

核心原因有三个：

1. 缺少二值化预处理：cv2.findContours是针对二值图像（仅黑、白两种像素）设计的检测工具，你直接传入灰度图，灰度图里的每一处明暗梯度变化都会被识别为轮廓，自然会产生大量细碎轮廓。
2. 轮廓检索模式不合适：cv2.RETR_TREE会检索所有层级的嵌套轮廓，包括内部的噪声小轮廓，进一步放大了杂乱感。
3. 未过滤小面积轮廓：检测到的轮廓中混有大量噪声小轮廓，你直接全部绘制，导致画面混乱。

修正步骤 #

1. 添加二值化预处理 #

先将灰度图转换为仅包含巩膜（前景）和背景的二值图，这是准确检测轮廓的前提。推荐用自适应阈值，适配眼部图像的光照不均问题：

# 替换原灰度转换代码，先修正灰度转换格式，再做二值化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 注意：cv2.imread读取的是BGR格式，不能用RGB转灰度
# 自适应阈值生成二值图，参数可根据你的图像微调
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

2. 调整轮廓检索模式 #

如果只需要巩膜的最外层轮廓，改用cv2.RETR_EXTERNAL，它仅检测最外层的大轮廓，忽略内部嵌套的小噪声：

contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

3. 过滤小面积轮廓 #

遍历检测到的轮廓，只保留面积符合巩膜尺寸的轮廓，滤除噪声：

img2 = img.copy()
color = (5,228,72)
thickness = 2
min_area = 10000  # 根据你的图像实际尺寸调整，高清图可适当调大

for cnt in contours:
    area = cv2.contourArea(cnt)
    if area > min_area:
        cv2.drawContours(img2, [cnt], -1, color, thickness)

完整修正代码 #

import numpy as np 
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('sclera.jpg', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化预处理
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 检测最外层轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) 

img2 = img.copy()
color = (5,228,72)
thickness = 2
min_area = 10000  # 根据图像实际大小调整

# 只绘制符合面积要求的轮廓
for cnt in contours:
    area = cv2.contourArea(cnt)
    print("Detected Contour with Area: ", area)
    if area > min_area:
        cv2.drawContours(img2, [cnt], -1, color, thickness)

cv2.waitKey(0)
cv2.destroyAllWindows()
img3 = cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)  # 转换为matplotlib兼容的RGB格式
plt.imshow(img3)
plt.show()

额外提醒 #

• 原代码中cv2.COLOR_RGB2GRAY是错误的，因为cv2.imread读取的图像为BGR格式，转灰度需使用cv2.COLOR_BGR2GRAY，否则灰度图颜色会失真。
• 二值化的参数（如自适应阈值的块大小、常数）可根据你的巩膜图像微调，确保巩膜区域被准确分离为前景。

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