OpenCV中轮廓共享边界致最大面积对象识别错误的问题

问题描述 #

我尝试提取图像中面积最大的对象，流程为：先应用5x5高斯模糊处理，再用Canny边缘检测提取边缘，接着调用findContours方法，最后通过contourArea计算获取面积最大的轮廓，但返回结果不符合预期——本该识别左侧的盒子，却识别了右侧的盒子。推测问题源于左右两个盒子共享的边界仅被归为左侧盒子的轮廓，导致面积计算异常。

相关图像 #

• 基础图像：
• Canny图像：
• 所有轮廓图像：
• 识别出的最大面积对象图像：

原代码片段 #

img_rgb = cv.imread(img_path)
gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
# blur with a kernel size of 5x5
blur = cv.GaussianBlur(gray, (5, 5), 0)
canny = cv.Canny(blur, 50, 50)
#saving canny image
cv.imwrite("canny.png", canny)
_, thresh = cv.threshold(canny, 127, 255, 0)
contours, _ = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
for c in contours:
    cv.drawContours(img_rgb, [c], 0, (randrange(255), randrange(255), randrange(255)), 3)
#saving image with contours
cv.imwrite("contours.png", img_rgb)
max_area_contour = max(contours, key=cv.contourArea)
x, y, w, h = cv.boundingRect(max_area_contour)
cv.rectangle(img_rgb, (x, y), (x + w, y + h), (0, 255, 0), 3)
#saving the image with the biggest contour
cv.imwrite("max_contour.png", img_rgb)

问题分析与修正方案 #

核心问题点 #

1. Canny阈值设置不合理：高低阈值均设为50，不符合Canny算法的阈值逻辑（高阈值应高于低阈值，通常为2-3倍），导致边缘检测不完整，丢失了两个盒子中间的共享边界。
2. 多余的阈值处理步骤：Canny输出本身就是二值图像，额外的threshold操作会破坏已检测到的边缘，加剧边界缺失问题。
3. 轮廓检索模式不当：RETR_TREE会提取所有层级的轮廓，包括内部小轮廓，干扰面积计算的准确性。
4. 未过滤噪声轮廓：未排除图像中可能存在的小面积噪声轮廓，可能影响最大轮廓的判断。

修正后的代码 #

import cv2 as cv
from random import randrange

img_rgb = cv.imread(img_path)
gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
# 5x5高斯模糊
blur = cv.GaussianBlur(gray, (5, 5), 0)
# 优化Canny阈值，高阈值设为低阈值的3倍，保证边缘完整性
canny = cv.Canny(blur, 50, 150)
cv.imwrite("canny.png", canny)

# 直接使用Canny结果找轮廓，移除多余的threshold步骤
# 改用RETR_EXTERNAL只提取最外层轮廓，过滤内部小轮廓
contours, _ = cv.findContours(canny, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

# 绘制所有有效轮廓
for c in contours:
    cv.drawContours(img_rgb, [c], 0, (randrange(255), randrange(255), randrange(255)), 3)
cv.imwrite("contours.png", img_rgb)

# 过滤掉小面积噪声轮廓（阈值可根据实际图像调整）
valid_contours = [contour for contour in contours if cv.contourArea(contour) > 1000]
# 获取面积最大的轮廓
max_area_contour = max(valid_contours, key=cv.contourArea)
x, y, w, h = cv.boundingRect(max_area_contour)
cv.rectangle(img_rgb, (x, y), (x + w, y + h), (0, 255, 0), 3)
cv.imwrite("max_contour.png", img_rgb)

关键调整说明 #

• Canny阈值优化：将高阈值调整为150（低阈值50的3倍），确保算法能正确检测到完整的边缘，包括两个盒子之间的共享边界。
• 移除冗余阈值操作：直接使用Canny输出的二值图进行轮廓检测，避免边缘信息丢失。
• 轮廓检索模式更换：RETR_EXTERNAL仅提取最外层轮廓，排除内部无关的小轮廓，减少干扰。
• 噪声轮廓过滤：通过面积阈值过滤掉小的噪声轮廓，确保只对真实的对象轮廓进行面积计算。

内容的提问来源于stack exchange，提问作者Badr El Mazaz