基于OpenCV分水岭算法的图像分割液体占比计算及报错解决

报错根因 #

cv2.watershed函数对输入参数有严格类型要求：第二个参数（标记数组）必须为单通道32位有符号整型（CV_32SC1），你当前代码里的markers继承自二值化结果thresh，属于8位无符号整型，类型不匹配，因此触发断言报错。

适配场景的优化实现 #

你的需求场景颜色区分度高，在原有逻辑基础上调整类型问题、补充占比计算即可实现需求，修改后完整代码如下：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image001.jpg')
hh, ww = img.shape[:2]
hh2, ww2 = hh // 2, ww // 2
radius = hh2

# 生成容器掩码，排除背景干扰
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
mask = np.zeros_like(gray)
mask = cv2.circle(mask, (ww2, hh2), radius, 255, -1)
masked_gray = cv2.bitwise_and(gray, mask)

# 二值化预处理
ret, thresh = cv2.threshold(masked_gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# 生成符合watershed要求的32位整型标记数组
markers = np.zeros_like(gray, dtype=np.int32)
# 手动设置标记：1=上层液体，2=下层液体，3=容器外背景
markers = cv2.circle(markers, (ww2, 50), 5, 1, -1)
markers = cv2.circle(markers, (ww2, hh2+50), 5, 2, -1)
markers = cv2.circle(markers, (15, 15), 5, 3, -1)

# 执行分水岭算法
markers = cv2.watershed(img, markers)
# 标记边界为红色
img[markers == -1] = [0, 0, 255]

# 计算两种液体占比
# 统计容器内总有效像素（排除背景标记3）
total_pixels = np.sum(mask == 255)
# 统计上层液体像素（标记1）
upper_pixels = np.sum(markers == 1)
# 统计下层液体像素（标记2）
lower_pixels = np.sum(markers == 2)

upper_ratio = upper_pixels / total_pixels
lower_ratio = lower_pixels / total_pixels

print(f"上层液体占比：{upper_ratio:.2%}")
print(f"下层液体占比：{lower_ratio:.2%}")

# 结果展示
cv2.imshow("分割结果", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

补充说明 #

如果你的图像批次亮度差异较大，也可以替换手动标记逻辑为自动阈值生成前景/背景标记，进一步提升泛用性。

内容的提问来源于stack exchange，提问作者CodeViper