OpenCV检测X射线图像文本标签时无法生成轮廓包围框问题

初始代码失效原因 #

• 轮廓筛选阈值与实际目标不匹配：初始代码设置的轮廓面积筛选范围为10~500，宽高比规则仅适配小尺寸常规印刷文本，而X线片上的标识字符尺寸更大，完全不在初始筛选区间内，直接被过滤掉。
• 预处理逻辑适配性差：全局Otsu阈值无法应对X线片灰度不均匀的问题，背景区域的低对比度字符在二值化阶段没有被正确提取为前景；同时初始使用的5*5形态学核尺寸过小、迭代次数不足，无法将分散的字符笔画连通为完整轮廓，反而会被骨骼边缘、图像噪声的无效轮廓干扰。
• 轮廓检索逻辑存在遗漏：初始使用RETR_EXTERNAL模式仅检测最外层轮廓，一旦字符笔画和周围噪声存在连通，就会直接漏掉有效字符轮廓。

优化方案 #

传统OpenCV实现优化 #

1. 替换二值化逻辑
   放弃全局Otsu阈值，改用自适应阈值处理解决局部灰度差问题，代码如下：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 邻域高斯加权计算局部阈值，反色处理让字符区域作为白色前景
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                cv2.THRESH_BINARY_INV, 31, 5)

2. 调整形态学操作参数
   根据目标字符的笔画宽度选择核尺寸，针对X线片上的大尺寸标识，先用7*7矩形核做2次膨胀连通分散笔画，再做1次闭运算填充轮廓内小空洞：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (7,7))
dilate = cv2.dilate(thresh, kernel, iterations=2)
close = cv2.morphologyEx(dilate, cv2.MORPH_CLOSE, kernel, iterations=1)

3. 校准轮廓筛选规则
   不要使用写死的小范围面积、宽高比阈值，先遍历所有检测到的轮廓，统计其宽、高、面积取值范围，再匹配目标字符的实际尺寸设置筛选条件。更新后使用的宽高区间筛选逻辑、包围盒缩放逻辑是可行的，能够避免字符边缘被裁切。如果需要按顺序提取字符，可以在检测轮廓后按x坐标排序输出。

高鲁棒性方案参考 #

传统OpenCV轮廓法高度依赖手动调参，面对不同拍摄参数、不同对比度的X线片泛化性很差。如果需要适配更多场景，可以直接使用轻量型文本检测神经网络（比如EAST、PaddleOCR检测模块），不需要手动调整阈值，对低对比度倾斜文本、圆形标识的检测准确率远高于传统CV方法。

优化后完整流程 #

• 原始图像转灰度图
• 自适应阈值反色二值化，提取字符前景
• 形态学膨胀+闭运算连通字符笔画
• 轮廓检测，按横坐标排序
• 按目标字符的尺寸区间筛选有效轮廓
• 计算有效轮廓的最小面积有向包围盒，按需缩放调整
• 绘制检测框，通过掩码操作完成字符提取或移除

内容的提问来源于stack exchange，提问作者user15896401