如何使用OpenCV检测图像中的细黑线 现有findContours方案失效求解决

问题背景 #

检测目标图像中的细黑线时遇到障碍，已尝试多种OpenCV处理方案并调用findContours接口，均无法成功捕获该线条。

原有测试代码 #

import cv2
img = cv2.imread('SampleLine.png')
# 图像转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, thresh_type, block, constant)
# 先开运算后闭运算形态学处理
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (1,1))
blob = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (10,10))
blob = cv2.morphologyEx(blob, cv2.MORPH_CLOSE, kernel)
# 反转二值图
blob = (255 - blob)
cnts,hierarchy = cv2.findContours(blob, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, cnts, -1, (0, 0, 255), 3)
cv2.imwrite("output_Line.png", img)

参考素材 #

• 待检测原图：
• 期望输出效果：

问题原因 #

1. 形态学核参数不合理：(1,1)尺寸的核无实际处理效果，(10,10)的大尺寸闭运算核会直接消除细黑线
2. 自适应阈值参数未赋值，无法准确分离线条和背景
3. 没有针对线性特征做过滤处理，背景噪点干扰轮廓识别

修复后可运行代码 #

import cv2
import numpy as np

# 读取图像
img = cv2.imread('SampleLine.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 自适应阈值分割，提取深色细线条
thresh = cv2.adaptiveThreshold(
    gray, 255, 
    cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
    cv2.THRESH_BINARY_INV, 
    15, 3
)

# 针对水平线条构造水平形态学核，过滤非水平噪点；如果是垂直线条可替换为(1, 15)
line_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (20, 1))
# 开运算保留线条特征，过滤零散噪点
processed = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, line_kernel, iterations=2)

# 提取并绘制轮廓
cnts, hierarchy = cv2.findContours(processed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, cnts, -1, (0, 0, 255), 2)

# 保存结果
cv2.imwrite("output_Line.png", img)

补充说明 #

如果需要检测任意方向的细线，可以替换形态学处理步骤为霍夫直线检测cv2.HoughLinesP，调整阈值和最小线长参数即可适配更多场景。

内容的提问来源于stack exchange，提问作者Mohammad