如何统计叠加二值图像中落在目标区域内外的白色圆点数量

核心思路完全避开尺寸匹配的鲁棒性问题，本质是做点集与二值掩码的空间匹配，不需要对比两者的尺寸大小，实现逻辑如下：

• 第一步：预处理第二张blob掩码，用3x3矩形结构元做1次闭运算，填充区域内部的微小暗斑，操作不会改变blob原有轮廓范围，避免点刚好落在暗斑区域产生误判
• 第二步：提取第一张二值图中所有白色圆点的核心坐标：如果圆点是单像素点，直接提取所有白色像素坐标即可；如果圆点是有面积的标记块，提取每个白色连通域的质心作为该点的代表坐标
• 第三步：逐个遍历点坐标，查询预处理后的blob掩码在对应坐标的像素值，值为255（白色）则判定为落在连通域内，值为0则判定为落在范围外，直接累加计数即可

现成实现示例（Python + OpenCV） #

import cv2
import numpy as np

# 读取两张已对齐的二值图，必须用灰度模式读取
dot_mask = cv2.imread("圆点二值图路径.png", 0)
blob_mask = cv2.imread("Blob二值图路径.png", 0)

# 预处理Blob掩码，填充内部小孔
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
processed_blob = cv2.morphologyEx(blob_mask, cv2.MORPH_CLOSE, kernel)

# 提取所有圆点的质心坐标（适配有面积的圆点，单像素点可直接用dot_coords = np.column_stack(np.where(dot_mask > 127))）
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(dot_mask, connectivity=8)
dot_coords = centroids[1:] # 去掉背景对应的第0个标签

# 统计内外数量
inside_count = 0
outside_count = 0
for (y, x) in dot_coords: # np.where返回的坐标顺序为行、列，对应图像的y、x
    x = int(round(x))
    y = int(round(y))
    if processed_blob[y, x] > 127:
        inside_count += 1
    else:
        outside_count += 1

print(f"连通域内点数量：{inside_count}，连通域外点数量：{outside_count}")

特殊场景适配 #

如果统计规则要求「圆点只要有任意部分和Blob重叠就算命中」，不需要用质心判断，可以替换逻辑为：

• 对圆点二值图做连通域分析，给每个圆点分配独立的标签
• 将所有圆点的标签掩码和Blob掩码做按位与运算
• 统计和Blob掩码存在重叠的标签数量即可，同样不受两者尺寸比例影响

内容的提问来源于stack exchange，提问作者Ze0ruso