边缘检测最小线长问题：如何快速过滤Canny边缘检测结果中的短线段

你当前实现的本质是8连通域面积过滤，手动嵌套Python循环遍历像素是速度慢的核心原因，直接调用OpenCV内置的连通域分析API即可实现相同需求，运算效率提升数百倍。

优化后代码 #

import cv2
import numpy as np

img = cv2.imread("edtest.jpg")
# 原逻辑提取红色通道做边缘检测
img_r = img.copy()
img_r[:, :, 0] = 0
img_r[:, :, 1] = 0
img_r = cv2.GaussianBlur(img_r, (3, 3), 0)
basic_edge = cv2.Canny(img_r, 240, 250)

min_threshold = 100
# 调用OpenCV连通域分析，8连通模式
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(basic_edge, connectivity=8)
culled_edge = np.zeros_like(basic_edge)

# 遍历所有连通域，跳过背景标签0
for label in range(1, num_labels):
    # 取当前连通域的像素数量
    area = stats[label, cv2.CC_STAT_AREA]
    if area >= min_threshold:
        # 保留面积符合要求的连通域
        culled_edge[labels == label] = 255

cv2.imshow("basic_edge", basic_edge)
cv2.imshow("culled_edge", culled_edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

说明 #

• 内置API会自动完成所有连通域的像素统计，不需要手动写遍历逻辑，效果和你原实现完全一致
• 额外需要导入numpy做数组掩码操作，属于OpenCV默认依赖的基础库，不需要额外安装

内容的提问来源于stack exchange，提问作者JoshW