基于OpenCV提取白纸上手绘圆圈内部内容的实现方法咨询

以下是可直接落地的实现步骤：

• 第一步：预处理降噪
  先将原始图像转为灰度图，再做高斯模糊过滤拍摄引入的细微噪点，避免后续阈值分割出现误判。
  示例代码：

import cv2
import numpy as np

# 读取原始图像
img = cv2.imread("input.jpg")
# 转灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 高斯模糊降噪
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

• 第二步：二值化分割白纸与背景
  利用白纸亮度高于桌面背景的特性，用自适应阈值做分割，适配拍摄时光照不均匀的场景，比固定阈值鲁棒性更高。
  示例代码：

# 自适应阈值二值化，前景（非白纸区域）设为白色，背景设为黑色
thresh = cv2.adaptiveThreshold(
    blurred, 255,
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY_INV,
    11, 2
)
# 光照均匀场景可替换为大津阈值，无需手动调阈值参数
# ret, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

• 第三步：形态学操作清理二值图
  用开闭运算组合，填补白纸区域的微小孔洞，同时清除背景里的细碎噪点。
  示例代码：

kernel = np.ones((3, 3), np.uint8)
# 闭运算填补白纸区域孔洞
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)
# 开运算清除背景小噪点
opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel, iterations=2)

• 第四步：筛选白纸轮廓
  提取所有外部轮廓，面积最大的轮廓即为白纸区域，过滤掉背景细碎轮廓。
  示例代码：

contours, hierarchy = cv2.findContours(opened, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 取面积最大的轮廓作为白纸轮廓
paper_contour = max(contours, key=cv2.contourArea)

• 第五步：提取白纸区域
  生成掩码，仅保留白纸轮廓内的像素，如有拍摄导致的透视形变，可额外做透视变换将白纸矫正为正矩形。
  示例代码：

# 生成白纸区域掩码
mask = np.zeros_like(gray, dtype=np.uint8)
cv2.drawContours(mask, [paper_contour], -1, 255, -1)
# 抠出白纸区域
paper_region = cv2.bitwise_and(img, img, mask=mask)
# 保存提取结果
cv2.imwrite("paper_region.jpg", paper_region)

补充优化点：如果需要矫正透视形变，可先用cv2.approxPolyDP拟合白纸的四个角点，再调用cv2.getPerspectiveTransform和cv2.warpPerspective完成矫正，后续检测圆圈的准确率会更高。

内容的提问来源于stack exchange，提问作者Bin Chen