如何用Python为图像单一绿色区域绘制矩形轮廓并裁剪？

我尝试为图像中的亮绿色区域绘制矩形轮廓，但目前仅能绘制出最大矩形，无法针对性地识别单一颜色区域进行绘制。期望得到亮绿色区域的矩形裁剪图。我的代码如下：

import cv2
import numpy as np
median = cv2.imread("try.png", 0)
image_gray = median
image_gray = np.where(image_gray > 30, 255, image_gray)
image_gray = np.where(image_gray <= 30, 0, image_gray)
image_gray = cv2.adaptiveThreshold(image_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 115, 1)
_, contours, _ = cv2.findContours(image_gray, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
rect_cnts = []
for cnt in contours:
    peri = cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
    (x, y, w, h) = cv2.boundingRect(cnt)
    ar = w / float(h)
    if len(approx) == 4: # shape filtering condition
        rect_cnts.append(cnt)
max_area = 0
football_square = None
for cnt in rect_cnts:
    (x, y, w, h) = cv2.boundingRect(cnt)
    if max_area < w*h:
        max_area = w*h
        football_square = cnt
# Draw the result
image = cv2.cvtColor(image_gray, cv2.COLOR_GRAY2RGB)
cv2.drawContours(image, [football_square], -1, (0, 0,255), 5)
cv2.imshow("Result Preview", image)
cv2.waitKey()

嗨，这个问题的核心是你当前的代码完全在灰度空间处理，根本没用到颜色信息来锁定亮绿色区域——这就是为什么只会找到画面里的最大矩形，而非你要的绿色区域。咱们换个思路，先通过颜色分割把亮绿色区域单独提取出来，再针对性找轮廓和矩形，具体操作如下：

关键思路拆解 #

1. 切换到HSV颜色空间做颜色分割
   RGB空间对光照变化太敏感，HSV空间更适合精准筛选特定颜色。我们可以先定义亮绿色的HSV范围，生成掩码把绿色区域单独抠出来。
2. 用形态学操作优化掩码
   初始提取的掩码可能有小噪点，用「开运算」（腐蚀+膨胀）可以去掉这些干扰，让轮廓更清晰。
3. 筛选矩形轮廓并处理
   复用你原来的矩形筛选逻辑，但这次是基于绿色掩码的轮廓，所以只会针对绿色区域工作。

修改后的完整代码 #

import cv2
import numpy as np

# 读取原始彩色图像（别再读成灰度图了！）
image = cv2.imread("try.png")
# 转换到HSV颜色空间，方便颜色分割
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

# 定义亮绿色的HSV范围（可以根据你的实际图像调整数值）
lower_green = np.array([40, 40, 40])
upper_green = np.array([80, 255, 255])

# 生成绿色区域的掩码：只保留绿色部分
mask = cv2.inRange(hsv, lower_green, upper_green)

# 形态学开运算：去除小噪点，让轮廓更规整
kernel = np.ones((5,5), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

# 寻找轮廓：只找最外层轮廓，减少干扰
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选符合条件的绿色矩形轮廓
green_rects = []
for cnt in contours:
    # 计算轮廓周长，用于多边形逼近
    peri = cv2.arcLength(cnt, True)
    # 多边形逼近，把轮廓简化成近似形状
    approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
    # 获取轮廓的边界矩形
    x, y, w, h = cv2.boundingRect(cnt)
    # 计算宽高比，过滤掉形状不符合的区域（比如细长条）
    ar = w / float(h)
    # 筛选条件：是矩形（4个顶点）、面积足够大、宽高比接近屏幕的比例
    if len(approx) == 4 and w*h > 1000 and 0.8 < ar < 1.2:
        green_rects.append((x, y, w, h))

# 绘制矩形轮廓并裁剪绿色区域
result = image.copy()
for (x, y, w, h) in green_rects:
    # 在原图上绘制红色矩形轮廓
    cv2.rectangle(result, (x, y), (x+w, y+h), (0, 0, 255), 5)
    # 裁剪出绿色区域并显示
    cropped_area = image[y:y+h, x:x+w]
    cv2.imshow(f"Cropped Green Screen", cropped_area)

# 显示最终结果
cv2.imshow("Green Screen with Rectangles", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 调整HSV范围：如果你的亮绿色和代码里的范围不匹配，可以用HSV颜色拾取工具（比如OpenCV自带的调色板工具）来获取准确的上下限数值。
• 调整筛选阈值：代码里的面积阈值（1000）和宽高比范围（0.8-1.2）可以根据你的实际需求修改，过滤掉太小或形状不对的区域。
• 单一区域处理：如果图像里有多个绿色矩形，但你只需要其中一个，可以在green_rects里做进一步筛选（比如找面积最大的，或者位置最符合的）。

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