无需机器学习的实时目标检测绘制边界框问题（基于颜色识别）

核心问题 #

你当前代码无法识别到目标的核心原因是HSV颜色空间的饱和度(S)阈值设置错误：白色、浅灰这类无彩色的饱和度数值普遍低于50，但你代码里固定将S通道的下限设为100，直接过滤了所有白色区域，生成的mask全黑，自然找不到任何轮廓。

分步排查点 #

• 验证mask有效性：在生成mask的代码后添加cv2.imshow("mask", mask)，运行后如果mask窗口全黑，说明颜色阈值完全没有匹配到目标区域，这是当前问题的直接诱因。
• 检查阈值逻辑合理性：针对白色类无彩色目标，S通道下限需要调低到10~30区间才能匹配到有效像素。
• 验证轮廓过滤逻辑：调试阶段可以暂时注释if w < 50 or h < 50: continue的判断，避免因目标尺寸太小被误过滤。
• 确认颜色匹配范围：你传入的基准色是纯亮白(237,237,237)，但实际拍摄的抗原试剂盒受光线、材质影响多为浅米白/灰白色，H通道±10的匹配范围可能偏小，可适当放宽到±15。

修复代码改动 #

1. 调整ColourBounds类，支持阈值自定义 #

class ColourBounds:
    def __init__(self, rgb, s_min=100, v_min=100, h_offset=10):
        hsv = cv2.cvtColor(np.uint8([[[rgb[2], rgb[1], rgb[0]]]]), cv2.COLOR_BGR2HSV).flatten()

        lower = [hsv[0] - h_offset]
        upper = [hsv[0] + h_offset]

        if lower[0] < 0:
            lower.append(179 + lower[0])
            upper.append(179)
            lower[0] = 0
        elif upper[0] > 179:
            lower.append(0)
            upper.append(upper[0] - 179)
            upper[0] = 179
        # 替换固定S/V阈值为传入参数
        self.lower = [np.array([h, s_min, v_min]) for h in lower]
        self.upper = [np.array([h, 255, 255]) for h in upper]

2. 调整颜色映射参数适配白色目标 #

# 白色目标S阈值设为10即可，H偏移放宽到15
colourMap = {"Antigen Device": ColourBounds((237,237,237), s_min=10, v_min=100, h_offset=15)}

额外优化建议 #

如果后续要做实时检测，把循环内固定读本地图片的逻辑换成摄像头读帧：

# 替换原while循环内的imread逻辑
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    if not ret:
        break
    # 后续处理逻辑保持不变

内容的提问来源于stack exchange，提问作者mchd