如何使用OpenCV仅检测图像中填充区域的轮廓

输入示例图像：

你需要检测的是固定蓝色的填充区域，通过颜色阈值分割+轮廓提取的方案即可实现，无需额外的边缘检测处理，实现逻辑如下：

实现步骤 #

• 色彩空间转换：将OpenCV默认读取的BGR格式图像转换为HSV格式，HSV空间对单一颜色的分割效果更稳定
• 生成目标区域掩码：配置蓝色对应的HSV阈值范围，用inRange接口输出仅保留蓝色填充区域的二值掩码
• 掩码降噪：对二值掩码做开运算，去除散点噪声，避免提取到无效的小轮廓
• 轮廓提取：调用findContours接口提取掩码中的外轮廓
• 结果绘制：将提取到的轮廓绘制到原图上输出

完整可运行代码 #

import cv2
import numpy as np

# 读取本地输入图像
img = cv2.imread("your_input_image_path.png")
# BGR转HSV色彩空间
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 蓝色对应的HSV阈值范围，可根据实际图像的色彩偏差微调
lower_blue = np.array([95, 40, 40])
upper_blue = np.array([135, 255, 255])

# 生成蓝色区域二值掩码，蓝色区域为白色，其余区域为黑色
blue_mask = cv2.inRange(hsv_img, lower_blue, upper_blue)

# 开运算去除掩码中的小噪点
kernel = np.ones((3, 3), np.uint8)
processed_mask = cv2.morphologyEx(blue_mask, cv2.MORPH_OPEN, kernel, iterations=1)

# 提取掩码的外轮廓，仅保留轮廓关键点降低内存占用
contours, _ = cv2.findContours(processed_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 可选：过滤面积过小的误检轮廓
min_area = 100
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > min_area]

# 在原图上绘制轮廓，红色、线宽2
cv2.drawContours(img, valid_contours, -1, (0, 0, 255), 2)

# 展示和保存结果
cv2.imshow("detection result", img)
cv2.imwrite("contour_result.png", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

常见调整项 #

• 出现蓝色区域漏检时，适当放宽lower_blue的下限或者upper_blue的上限
• 出现非目标区域误检时，增大形态学运算的核尺寸，或者调高轮廓过滤的最小面积阈值min_area

内容的提问来源于stack exchange，提问作者Naji Naji