如何用OpenCV识别带白色边框的深灰色填充矩形

核心思路 #

目标矩形是白色边框+深灰色填充，背景为黑色，所以可以分两步：先定位矩形轮廓，再验证轮廓的边框色与内部填充色。

具体实现步骤 #

1. 预处理图像（保留彩色信息） #

别直接转灰度图，先对彩色图做模糊处理，保留颜色通道方便后续颜色判断：

import cv2
import numpy as np

# 读取图像
img = cv2.imread("your_image_path.png")
# 高斯模糊去噪，同时保留颜色信息
blurred = cv2.GaussianBlur(img, (5,5), 0)

2. 提取白色边框的矩形轮廓 #

白色在BGR色彩空间中为(255,255,255)，先生成白色掩码，再从中提取轮廓：

# 定义白色的BGR阈值范围（可根据实际图像微调）
lower_white = np.array([200,200,200])
upper_white = np.array([255,255,255])
white_mask = cv2.inRange(blurred, lower_white, upper_white)

# 提取轮廓，只保留最外层
contours, _ = cv2.findContours(white_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

接着用你之前的方法筛选矩形轮廓：

target_candidates = []
for cnt in contours:
    perimeter = cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, 0.02*perimeter, True)
    # 筛选四边形+过滤过小的噪点轮廓
    if len(approx) == 4 and cv2.contourArea(cnt) > 1000:
        target_candidates.append(approx)

3. 验证内部深灰色填充 #

对每个候选矩形，提取内部区域的颜色均值，判断是否符合深灰色范围：

# 定义深灰色的BGR阈值范围（可根据实际图像微调）
lower_gray = np.array([50,50,50])
upper_gray = np.array([100,100,100])

for cnt in target_candidates:
    # 获取矩形的边界框
    x,y,w,h = cv2.boundingRect(cnt)
    # 提取内部区域（缩小范围，避免边框的白色干扰颜色判断）
    roi = img[y+5:y+h-5, x+5:x+w-5]
    # 计算ROI区域的颜色均值
    avg_color = cv2.mean(roi)[:3]
    # 判断是否在深灰色范围内
    if (lower_gray <= avg_color).all() and (avg_color <= upper_gray).all():
        # 符合条件，绘制绿色标记
        cv2.drawContours(img, [cnt], -1, (0,255,0), 2)
        print("找到目标矩形")

# 展示结果
cv2.imshow("Result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

4. 补充优化方案 #

如果白色边框不明显，也可以先提取所有矩形轮廓，再分别验证：

• 边框色：提取轮廓边缘的像素点，判断是否以白色为主
• 填充色：提取内部区域的颜色均值，判断是否为深灰色

关键注意事项 #

• 颜色阈值范围要根据实际图像调整，不同图像的深灰、白色可能存在差异
• 提取内部ROI时缩小范围，避免边框的白色干扰颜色判断
• 可结合面积、长宽比等条件进一步过滤非目标矩形

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