基于Python计算特定暗区域（黑条）的平均宽度

嘿，这个需求我之前帮别人处理过，用Python结合OpenCV就能轻松搞定！我给你拆解下步骤，再附上可直接用的代码，你可以根据自己的图像情况调整细节～

核心思路是通过图像处理把黑条和背景分离，检测黑条的轮廓后计算宽度，最后批量统计所有图像的平均宽度：

1. 图像预处理：把彩色图转灰度，再加个模糊过滤小噪声，让黑条的边界更清晰。
2. 二值化分割：自动或手动设置阈值，把黑条从背景里单独分出来（黑条会变成高亮区域，方便后续检测）。
3. 轮廓检测：找出所有黑条的轮廓，用边界框计算每个黑条的宽度。
4. 批量统计：遍历所有图像，收集所有黑条的宽度，最后计算整体平均值。

首先得安装依赖库，打开终端跑这个命令：

pip install opencv-python numpy

然后是完整代码：

import cv2
import numpy as np
import os

def calculate_black_bar_widths(image_path, bar_direction='horizontal'):
    """计算单张图像中黑条的平均宽度"""
    # 加载图像并转灰度
    img = cv2.imread(image_path)
    if img is None:
        print(f"无法加载图像: {image_path}")
        return 0, []
    
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 高斯模糊去噪，避免小干扰点被误判
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    
    # 自动阈值二值化（OTSU算法），把黑条转为白色区域方便检测
    _, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    
    # 查找黑条的轮廓（只找最外层轮廓）
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    widths = []
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        # 根据黑条方向选择宽度（横向取w，纵向取h）
        current_width = w if bar_direction == 'horizontal' else h
        # 过滤掉过小的噪声点（阈值根据你的图像调整）
        if current_width > 8:
            widths.append(current_width)
    
    return np.mean(widths) if widths else 0, widths

def batch_process_images(image_dir, bar_direction='horizontal'):
    """批量处理目录下的所有图像，计算整体平均宽度"""
    all_bar_widths = []
    
    # 遍历目录里的所有图像文件
    for filename in os.listdir(image_dir):
        if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
            img_path = os.path.join(image_dir, filename)
            single_avg, widths = calculate_black_bar_widths(img_path, bar_direction)
            if widths:
                all_bar_widths.extend(widths)
                print(f"处理完成 {filename}: 单图黑条平均宽度 = {single_avg:.2f}")
    
    if not all_bar_widths:
        print("所有图像中均未检测到黑条，请检查图像或调整参数")
        return None
    
    overall_average = np.mean(all_bar_widths)
    print(f"\n=== 统计结果 ===")
    print(f"所有图像黑条的总平均宽度: {overall_average:.2f} 像素")
    return overall_average

# ---------------------- 使用示例 ----------------------
# 1. 测试单张图像
# avg_width, _ = calculate_black_bar_widths("test_image.jpg", bar_direction='horizontal')
# print(f"单图黑条平均宽度: {avg_width:.2f} 像素")

# 2. 批量处理整个目录的图像
# 替换成你的图像文件夹路径
batch_process_images("your_image_folder_path", bar_direction='horizontal')

• 黑条方向：如果你的黑条是纵向的，把bar_direction参数改成vertical即可。
• 噪声过滤阈值：代码里的current_width >8是过滤小噪声的，你可以根据自己图像中黑条的最小宽度调整数值。
• 手动阈值：如果OTSU自动阈值效果不好，你可以替换二值化代码为手动设置阈值，比如：

  _, thresh = cv2.threshold(blurred, 60, 255, cv2.THRESH_BINARY_INV)
  

  这里的60是阈值，数值越小，越容易把暗区域识别为黑条，你可以根据图像实际情况调整。

内容的提问来源于stack exchange，提问作者Luxo_Jr