如何用OpenCV沿图像质心拆分计算两半像素比检测对称性

核心思路 #

不需要对轮廓做复杂几何拆分，直接基于填充后的二值形状掩码做数组切片、像素统计即可，实现简单效率高，可直接达成目标效果。
已完成的阈值化、轮廓提取、质心计算逻辑可直接复用，仅需补充掩码生成、拆分线绘制、像素统计三个模块即可解决两个待解决问题：

• 沿质心拆分：通过质心坐标对二值掩码做行列切片，即可得到拆分后的两个独立区域
• 像素比值计算：统计两个切片区域内的形状像素总数，做比值计算即可量化对称度

具体实现步骤 #

1. 生成独立的形状填充掩码 #

不要直接在原图上做填充后再统计，单独生成和灰度图同尺寸的掩码，将轮廓区域填充为255（白色）、背景保留0（黑色），避免原图颜色干扰统计结果：

import numpy as np # 补充导入numpy依赖
filled_mask = np.zeros(gray.shape, dtype="uint8")
cv2.drawContours(filled_mask, [c], -1, 255, thickness=cv2.FILLED)

同时给质心计算加异常判断，避免轮廓面积为0时触发除零报错：

for c in cnts:
    M = cv2.moments(c)
    if M["m00"] != 0:
        cX = int(M["m10"] / M["m00"])
        cY = int(M["m01"] / M["m00"])

2. 沿质心拆分区域+绘制拆分线 #

质心坐标cX是质心在水平轴的位置，对应垂直拆分的竖线；cY是质心在垂直轴的位置，对应水平拆分的横线。

• 垂直拆分（左右分区）：直接按列切片
  • 左区掩码：filled_mask[:, 0:cX]
  • 右区掩码：filled_mask[:, cX:]
• 水平拆分（上下分区）：直接按行切片
  • 上区掩码：filled_mask[0:cY, :]
  • 下区掩码：filled_mask[cY:, :]
    在展示用的原图上绘制拆分线，即可复现目标效果：

# 红色垂直拆分线
cv2.line(image, (cX, 0), (cX, image.shape[0]), (0,0,255), 2)
# 绿色水平拆分线
cv2.line(image, (0, cY), (image.shape[1], cY), (0,255,0), 2)

3. 统计像素数计算对称比值 #

用cv2.countNonZero()统计每个切片内的白色像素（即形状区域）数量，计算比值时统一用较小像素数/较大像素数，结果范围在0~1之间，越接近1代表对应方向对称性越好：

# 垂直方向对称度
left_p = cv2.countNonZero(filled_mask[:, :cX])
right_p = cv2.countNonZero(filled_mask[:, cX:])
v_sym = min(left_p, right_p) / max(left_p, right_p) if max(left_p,right_p)!=0 else 0

# 水平方向对称度
top_p = cv2.countNonZero(filled_mask[:cY, :])
bottom_p = cv2.countNonZero(filled_mask[cY:, :])
h_sym = min(top_p, bottom_p) / max(top_p, bottom_p) if max(top_p,bottom_p)!=0 else 0

可直接将比值标注在图上方便查看：

cv2.putText(image, f"垂直对称度: {v_sym:.2f}", (10,30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,0,255),2)
cv2.putText(image, f"水平对称度: {h_sym:.2f}", (10,60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0,255,0),2)

参考素材 #

• 原始测试图像：
  
• 目标实现效果：
  

内容的提问来源于stack exchange，提问作者dalek_fred