使用Python+OpenCV同时检测并区分太阳与云层的可行方案咨询

现有方案说明 #

提问者为Python与OpenCV入门使用者，当前采用逐像素判断是否为纯白[255,255,255]的方法检测太阳：

• 无云遮挡场景下检测效果符合预期，少量噪声不影响使用
• 太阳被云层部分或完全遮挡时，仅靠像素颜色判断的方案无法正常工作，也不能区分太阳与高亮云层

现有实现代码如下：

import cv2 as cv
import numpy as np

img = cv.imread('sc2.png')
img = cv.resize(img, (900,500), interpolation = cv.INTER_LINEAR)
#gray = cv.cvtColor(img, cv.COLOR_RGB2GRAY)
height, width, channels = img.shape

bela = [255,255,255]
crna = [0,0,0]

for x in range(width):
    for y in range(height):
        pixels_xy = img[y,x]
        if all(pixels_xy == bela):
            img[y,x] = crna

cv.imshow('img',img)
#cv.imshow('gray',gray)
cv.waitKey(0)
cv.destroyAllWindows()

可行解决方案 #

你可以结合亮度阈值+形状特征两步法实现需求，比单纯判断纯白鲁棒性高很多，操作也适合新手：

1. 用HSV亮度通道替换纯白判断 #

被云层遮挡的太阳区域亮度依然远高于普通云层、天空背景，将图像转为HSV颜色空间后提取V（亮度）通道，设置合理的亮度阈值（比如220~240，可根据你的实际拍摄场景调整）就能把包括被遮挡太阳在内的所有高亮区域筛选出来，比硬卡RGB纯白容错度高很多。

2. 用形状特征区分太阳和高亮云层 #

太阳哪怕被部分遮挡，整体轮廓依然是近似圆形的规则连通域，而高亮云层一般是不规则的零散/大面积形状，你可以对阈值分割后的二值图做连通域分析，通过计算圆形度筛选出太阳区域：
圆形度计算公式：圆形度 = 4 * π * 面积 / (周长 * 周长)，正圆形的圆形度为1，形状越不规则数值越低

3. 替换双重for循环提升效率 #

纯Python的逐像素遍历效率极低，用OpenCV原生的向量化操作处理速度可以提升几十倍，适合大分辨率图像的实时处理。

优化后示例代码 #

import cv2 as cv
import numpy as np

img = cv.imread('sc2.png')
img = cv.resize(img, (900,500), interpolation=cv.INTER_LINEAR)
# 转HSV颜色空间分离亮度通道
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
v_channel = hsv[:,:,2]
# 亮度阈值筛选，可根据实际场景调整阈值
_, thresh = cv.threshold(v_channel, 230, 255, cv.THRESH_BINARY)
# 形态学开运算去除小噪声点
kernel = np.ones((3,3), np.uint8)
thresh = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=1)
# 查找所有连通域
contours, _ = cv.findContours(thresh, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    # 过滤太小的噪声区域
    area = cv.contourArea(cnt)
    if area < 10:
        continue
    # 计算圆形度
    perimeter = cv.arcLength(cnt, True)
    if perimeter == 0:
        continue
    circularity = 4 * np.pi * area / (perimeter ** 2)
    # 圆形度大于0.7判定为太阳区域，可根据遮挡情况调整阈值
    if circularity > 0.7:
        # 可自行替换处理逻辑，比如标记轮廓、涂黑区域等
        cv.drawContours(img, [cnt], -1, (0,0,255), 2)

cv.imshow('检测结果', img)
cv.waitKey(0)
cv.destroyAllWindows()

可调参数说明 #

• 亮度阈值：场景整体偏亮可以调高阈值，偏暗就调低
• 圆形度阈值：如果太阳被遮挡比例高，可以适当降低圆形度判断阈值
• 最小面积阈值：根据你图像里太阳的实际大小调整，过滤过小的噪声点

内容的提问来源于stack exchange，提问作者methey