如何沿高度方向准确测量高温发光物体的垂直宽度

核心思路 #

基于你提供的先验信息（纯黑背景、固定三物体结构、亮度梯度规律稳定、黑斑占比低），跳过容易放大噪声的直方图均衡化操作，直接通过灰度阈值分割+连通域提取+逐行统计的方式计算宽度，鲁棒性远高于直接做边缘检测或颜色过滤。 #

具体实现步骤 #

1. 直接做前景背景分割 #

import cv2
import numpy as np

# 直接读取原始图像转灰度，不需要提前做均衡化（均衡化会放大暗区噪声）
gray = cv2.cvtColor(raw_img, cv2.COLOR_BGR2GRAY)
# 用OTSU大津法自动计算阈值，适配物体从亮到暗的梯度特性，自动区分纯黑背景和发光前景
_, mask = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# 做2次形态学开运算，去除零星噪声点和小面积黑斑的干扰
kernel = np.ones((3,3), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=2)

2. 分离三个独立发光物体 #

# 提取外轮廓，过滤面积过小的噪声轮廓
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 按轮廓的x轴坐标从小到大排序，依次对应左、中、右三个物体
contours = sorted(contours, key=lambda x: cv2.boundingRect(x)[0])
# 生成每个物体的独立掩码
object_masks = []
for cnt in contours[:3]:
    single_obj_mask = np.zeros_like(mask)
    cv2.drawContours(single_obj_mask, [cnt], -1, 255, -1)
    object_masks.append(single_obj_mask)

3. 逐高度段计算宽度，过滤异常值 #

def calc_valid_width(obj_mask, segment_num=10):
    h = obj_mask.shape[0]
    # 逐行统计当前行物体的像素宽度
    row_width = np.count_nonzero(obj_mask, axis=1)
    seg_height = h // segment_num
    seg_valid_width = []
    for i in range(segment_num):
        start_row = i * seg_height
        end_row = start_row + seg_height if i != segment_num-1 else h
        # 提取当前段的所有行宽度，过滤黑斑导致的0值
        current_seg = row_width[start_row:end_row]
        current_valid = current_seg[current_seg > 0]
        # 仅保留有效行占比超过70%的段，排除黑斑严重的分段
        if len(current_valid) >= seg_height * 0.7:
            seg_valid_width.append(np.median(current_valid))
    # 最终宽度取所有有效段的中位数，进一步降低噪声影响
    return np.median(seg_valid_width)

# 分别输出三个物体的宽度（像素单位，可结合相机标定参数转换为物理长度）
left_width = calc_valid_width(object_masks[0])
mid_width = calc_valid_width(object_masks[1])
right_width = calc_valid_width(object_masks[2])

补充优化点 #

• 若需要亚像素级测量精度，可在获取每个物体的左右边缘点坐标后，基于边缘附近的灰度值一阶矩做亚像素拟合，精度可以提升到0.1像素级
• 不需要使用HSV颜色过滤，高温白炽发光体的亮度远高于背景，灰度阈值的鲁棒性远高于颜色阈值，不受发光色温波动影响

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