如何用Python OpenCV计算白色区域到图像四边距离？轮廓法失效求方案

现有一张尺寸为2000*2000的图像，需计算图像中白色区域到上、下、左、右四个边界的距离。尝试使用OpenCV轮廓检测方法实现，但该方法在部分图像上无法正常工作，现有代码如下：

image = cv2.imread(image_full_path)
ori_h, ori_w, _ = image.shape
print("Original height, width-->", ori_h, ori_w)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # grayscale
_, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)  # threshold
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
dilated = cv2.dilate(thresh, kernel, iterations=13)  # dilate
contours, hierarchy = cv2.findContours(dilated, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # get contours

idx = 0
# for each contour found, draw a rectangle around it on original image
# print('length', len(contours))
for contour in contours:
    idx += 1

    # get rectangle bounding contour
    [x, y, w, h] = cv2.boundingRect(contour)
    remaining_height_bottom = ori_h - (y + h)
    remaining_width_right_side = ori_w - (x + w)

    print("Upper Height, Right Width-->", y, x)
    print("Bottom Height, Left Width-->", remaining_height_bottom, remaining_width_right_side)
    print("Image Height, Image Width-->", h, w)

示例图像：

放弃依赖轮廓检测的复杂流程，直接基于像素级检测白色区域的极值坐标，这种方法更稳定，不受阈值、膨胀操作的影响：

核心思路 #

1. 读取图像并转为灰度图
2. 定位所有白色像素（灰度值为255）的坐标
3. 通过这些坐标的极值计算到四边的距离：
   • 到上边界的距离 = 白色像素的最小y坐标
   • 到下边界的距离 = 图像高度 - 白色像素的最大y坐标 - 1（像素坐标从0开始，需修正偏移）
   • 到左边界的距离 = 白色像素的最小x坐标
   • 到右边界的距离 = 图像宽度 - 白色像素的最大x坐标 - 1

实现代码 #

import cv2
import numpy as np

image_full_path = "你的图像路径"
image = cv2.imread(image_full_path)
ori_h, ori_w, _ = image.shape

# 转灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 找到所有白色像素的坐标
white_pixels = np.where(gray == 255)

if len(white_pixels[0]) == 0:
    print("图像中无白色区域")
else:
    min_y = np.min(white_pixels[0])
    max_y = np.max(white_pixels[0])
    min_x = np.min(white_pixels[1])
    max_x = np.max(white_pixels[1])

    # 计算到四边的距离
    distance_top = min_y
    distance_bottom = ori_h - max_y - 1
    distance_left = min_x
    distance_right = ori_w - max_x - 1

    print(f"到上边界距离: {distance_top}")
    print(f"到下边界距离: {distance_bottom}")
    print(f"到左边界距离: {distance_left}")
    print(f"到右边界距离: {distance_right}")

说明 #

• 直接检测白色像素极值，避免了轮廓检测中阈值设置、膨胀迭代次数等参数带来的不确定性
• 若白色区域不是纯255灰度值，可调整判断条件为gray > 240这类区间判断
• 代码逻辑简洁，计算效率高，无需复杂形态学操作

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