岩石样品孔隙率计算结果异常求助（OpenCV轮廓面积法）

问题分析 #

你的代码计算出的孔隙率与视觉判断不符，核心原因在于用轮廓面积代替岩石像素数量的方法逻辑错误，具体问题点如下：

• cv2.contourArea计算的是轮廓包围的区域面积，无法准确代表实际岩石覆盖的像素数——如果岩石内部存在孔隙（白色区域），轮廓面积会把这些孔隙区域错误计入岩石面积，导致孔隙率计算偏大。
• Canny边缘检测的参数（30,200）可能不匹配你的图像特征，导致边缘提取不准确，进一步影响轮廓面积的计算精度。
• 代码逻辑绕远路，直接统计白色像素才是最直接准确的方式，无需通过轮廓间接计算。

修正方案 #

既然目标是统计白色孔隙像素的数量，最可靠的方式是先对灰度图进行二值化，直接区分岩石与孔隙区域，再统计白色像素占比。

修正后的代码 #

import cv2
import numpy as np

name = 'image.jpg' 
# 读取图像并转为灰度图
image = cv2.imread(name)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化：使用OTSU自动计算最优阈值，分离岩石与孔隙
_, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 统计白色像素数量（孔隙）
white_pixels = np.sum(binary == 255)
total_pixels = gray.shape[0] * gray.shape[1]

# 计算孔隙率
porosity = (white_pixels / total_pixels) * 100
print(f'Porosity of {name} is: {porosity:.2f} %')

# 可选：显示二值化结果，验证分割是否正确
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键优化说明 #

• 自动阈值分割：THRESH_OTSU模式会根据图像的灰度直方图自动计算最优二值化阈值，避免手动调整的误差，适配不同光照、对比度的岩石图像。
• 噪声预处理：如果图像存在斑点噪声，可在二值化前添加高斯模糊平滑处理：

  gray_blur = cv2.GaussianBlur(gray, (5,5), 0)
  _, binary = cv2.threshold(gray_blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  

• 直接像素统计：摒弃轮廓间接计算的方式，直接基于像素值统计白色孔隙数量，结果更贴合实际视觉判断。

内容的提问来源于stack exchange，提问作者Alpha