如何识别图像中的多条暗带并为其绘制外接矩形框

优化方案 #

原有方案误检主要是仅依赖全局亮度阈值+面积过滤，没有利用暗带的相对明暗属性和长条几何特征，可以按以下步骤改进：

• 改用自适应局部阈值替代固定HSV阈值：暗带是相对周围区域更暗，而非全局亮度固定在某个区间，自适应阈值可以过滤掉全局深色但和周围亮度差不大的无关区域
• 增加几何规则过滤轮廓：暗带一般为长条形态，可通过长宽比、轮廓填充率两个指标过滤掉不符合形态的误检轮廓
• 可选增加重叠矩形合并逻辑：避免单个暗带被拆分为多个小检测框的情况

import cv2
import numpy as np
import matplotlib.pyplot as plt

stretch = frames.copy() # frame为导入的原始图像
# 对比度增强预处理和原有逻辑保持一致
clahe = cv2.createCLAHE(clipLimit=2., tileGridSize=(8,8))
lab = cv2.cvtColor(stretch, cv2.COLOR_BGR2LAB)
l, a, b = cv2.split(lab)
l2 = clahe.apply(l)
lab = cv2.merge((l2,a,b))
img2 = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
gray = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)
smooth = cv2.cvtColor(cv2.GaussianBlur(gray, (11,11), 0), cv2.COLOR_GRAY2BGR)

# 改用自适应局部阈值替代固定HSV阈值
# 11x11为邻域大小，8为阈值偏差：邻域平均亮度减8，可根据实际效果调整参数
frame_gray = cv2.cvtColor(smooth, cv2.COLOR_BGR2GRAY)
frame_threshold = cv2.adaptiveThreshold(frame_gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 8)

# 形态学操作：去除小噪点，连接断裂的暗带区域
# 横向长条核适配横向暗带，如果是纵向暗带改成(1,5)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,1))
frame_threshold = cv2.morphologyEx(frame_threshold, cv2.MORPH_CLOSE, kernel, iterations=2)
frame_threshold = cv2.morphologyEx(frame_threshold, cv2.MORPH_OPEN, kernel, iterations=1)

contours,hierarchy = cv2.findContours(frame_threshold,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

# 按几何规则过滤轮廓
min_area = 100 # 最小面积阈值，根据你的图像尺寸调整
min_aspect_ratio = 3 # 最小长宽比，暗带为长条形态所以要求长宽比大于3
min_fill_ratio = 0.6 # 最小填充率：轮廓面积/外接矩形面积，避免不规则形状误检

for cnt in contours:
    area = cv2.contourArea(cnt)
    if area < min_area:
        continue
    x,y,w,h = cv2.boundingRect(cnt)
    # 计算长宽比，取长边/短边
    aspect_ratio = max(w/h, h/w)
    if aspect_ratio < min_aspect_ratio:
        continue
    # 计算填充率
    fill_ratio = area / (w*h)
    if fill_ratio < min_fill_ratio:
        continue
    # 符合条件的区域绘制外接框
    cv2.rectangle(frames, (x, y), (x+w, y+h), (255,0,0), 4)

plt.imshow(cv2.cvtColor(frames, cv2.COLOR_BGR2RGB))
plt.show()

参数调整说明 #

• 如果暗带是纵向的，把形态学核改成(1,5)，长宽比阈值可以根据实际暗带形态调整
• 自适应阈值的最后两个参数（邻域大小、偏差值）可以根据图像明暗情况调整，邻域越大对明暗变化的敏感度越低，偏差值越大只有越暗的区域会被选中
• 如果需要保留HSV阈值的筛选能力，可以把HSV阈值结果和自适应阈值结果做与运算，同时满足两个条件的区域才保留，进一步降低误检

内容的提问来源于stack exchange，提问作者Pruthviraj Acharya