如何优化掩码处理流程获取更清晰blob 实现图像红点准确计数

核心问题分析 #

当前漏检问题主要来自三个环节：

• RGB颜色空间筛选鲁棒性差，亮度变化会导致部分偏暗/偏亮的红色圆点未被纳入掩码
• 形态学开运算迭代次数过多，会侵蚀边缘不完整的小目标，直接把部分圆点从掩码中抹除
• 计数逻辑仅用面积判断，没有结合圆点的形态特征，容易漏检、误检

具体优化步骤 #

1. 替换为HSV颜色空间做颜色筛选 #

红色在HSV空间的色调范围分为两段（0-10和170-180），能覆盖不同亮度、饱和度的红色目标，筛选精度远高于RGB空间。

2. 调整形态学操作逻辑 #

先做闭运算填补圆点内部的孔洞和断裂，再做开运算去除背景噪声，迭代次数控制在1-2次即可，避免过度侵蚀目标。

3. 优化计数逻辑 #

增加圆形度判断（圆形度=4π*面积/(周长²)，完美圆形的圆形度接近1），排除不规则噪声的同时，避免完整的小圆点被误判为噪声。

优化后完整代码 #

import cv2
import os
import numpy as np

os.chdir('C:\Program Files\Python\projects\Blob')

# 读取图像
image_input = cv2.imread('realbutwithacrylic.png')
hsv = cv2.cvtColor(image_input, cv2.COLOR_BGR2HSV)

# HSV空间红色阈值，分两段覆盖所有红色调
lower_red1 = np.array([0, 50, 50])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 50, 50])
upper_red2 = np.array([180, 255, 255])

# 合并两个红色掩码
mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
first_mask = cv2.bitwise_or(mask1, mask2)

# 形态学操作：先闭运算补孔洞，再开运算去噪
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
# 闭运算填补断裂
closed = cv2.morphologyEx(first_mask, cv2.MORPH_CLOSE, kernel, iterations=2)
# 开运算去小噪声
opening = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel, iterations=1)

# 查找轮廓
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

blobs = 0
for c in cnts:
    area = cv2.contourArea(c)
    # 过滤极小的噪声
    if area < 100:
        continue
    # 计算圆形度
    perimeter = cv2.arcLength(c, True)
    circularity = 4 * np.pi * (area / (perimeter * perimeter)) if perimeter !=0 else 0
    # 圆形度大于0.7的判定为圆点
    if circularity > 0.7:
        # 若存在重叠圆点计数需求，可保留原面积分段加2的逻辑，单圆点场景直接计数即可
        blobs += 1
        cv2.drawContours(image_input, [c], -1, (0,255,0), 2)

print('blobs:', blobs)

cv2.imshow('original mask', first_mask)
cv2.imshow('processed mask', opening)
cv2.imshow('result', image_input)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果说明 #

调整后可以覆盖所有亮度的红色圆点，同时保留边缘不完整的目标，不会被形态学操作误删除，配合圆形度判断也能避免背景红色噪声被误算入计数，准确率会明显提升。

内容的提问来源于stack exchange，提问作者Lutfi Lais