如何改进OpenCV Android阈值图像结果并识别袋体横向线条位置

嘿，针对你用OpenCV Android处理袋体横向线条定位的需求，我整理了几个实用的改进步骤，一步步来优化阈值处理结果，精准抓出线条位置～

一、先做预处理：干掉噪声干扰 #

袋体表面可能有纹理、反光或者小噪点，先做预处理能让后续阈值处理更精准：

• 灰度化：如果输入是彩色图，先转成灰度图减少计算量，聚焦亮度信息：

  Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
  

• 去噪：用中值滤波或者高斯模糊过滤噪点，中值滤波对椒盐噪点效果更好，高斯模糊适合平滑整体纹理：

  // 中值滤波，核大小选奇数（比如5）
  Imgproc.medianBlur(gray, blurred, 5);
  // 或者高斯模糊
  // Imgproc.GaussianBlur(gray, blurred, new Size(5,5), 0);
  

二、选对阈值方法：适配袋体的光照情况 #

别只用简单的固定阈值，根据你的图像光照情况选更合适的方法：

• 自适应阈值：如果袋体存在局部明暗不均（比如边缘反光），自适应阈值能局部调整阈值，效果比全局阈值好太多：

  Imgproc.adaptiveThreshold(blurred, thresh, 255, 
                            Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, 
                            Imgproc.THRESH_BINARY_INV, 
                            11, 2);
  

  这里用ADAPTIVE_THRESH_GAUSSIAN_C（高斯加权的局部阈值），THRESH_BINARY_INV反转阈值让线条变成白色，背景黑色，方便后续处理。参数11是局部块大小（奇数），2是调整阈值的偏移量，你可以根据实际图像微调。
• Otsu自动阈值：如果整体光照均匀，袋体线条和背景差异明显，用Otsu能自动算出最优阈值：

  Imgproc.GaussianBlur(gray, blurred, new Size(3,3), 0);
  Imgproc.threshold(blurred, thresh, 0, 255, 
                    Imgproc.THRESH_BINARY_INV | Imgproc.THRESH_OTSU);
  

三、形态学操作：强化横向线条，过滤干扰 #

用形态学操作突出横向线条，把纵向的小干扰去掉：

// 创建**横向结构元素**：宽度选大一点（比如15），高度1，专门匹配横向线条
Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(15, 1));
// 开运算：先腐蚀后膨胀，去掉纵向小噪点，保留横向线条
Imgproc.morphologyEx(thresh, morphed, Imgproc.MORPH_OPEN, kernel);
// 如果线条有间隙，也可以用闭运算填充：
// Imgproc.morphologyEx(thresh, morphed, Imgproc.MORPH_CLOSE, kernel);

四、检测横向线条的具体位置 #

处理完阈值后，用两种方法可以精准定位线条位置：

方法1：霍夫直线检测 #

通过霍夫变换检测直线，然后筛选出斜率接近0的横向线条：

List<MatOfPoint> lines = new ArrayList<>();
// 参数说明：1是像素步长，Math.PI/180是角度步长，20是检测阈值，30是线条最小长度，10是允许的断点间距
Imgproc.HoughLinesP(morphed, lines, 1, Math.PI/180, 20, 30, 10);

for (MatOfPoint line : lines) {
    Point[] pts = line.toArray();
    Point p1 = pts[0], p2 = pts[1];
    // 计算线条的斜率，横向线条的y坐标差极小
    double dy = Math.abs(p2.y - p1.y);
    double dx = Math.abs(p2.x - p1.x);
    if (dy < dx * 0.1) { // 斜率小于0.1，判定为横向线条
        // 记录线条的中心y坐标，这就是你要的横向线条位置
        double lineY = (p1.y + p2.y) / 2;
        // 可以在原图上绘制线条，方便调试
        Imgproc.line(src, p1, p2, new Scalar(0,255,0), 2);
    }
}

方法2：轮廓检测筛选横向轮廓 #

找到阈值后的轮廓，通过外接矩形的宽高比筛选横向线条：

List<MatOfPoint> contours = new ArrayList<>();
Mat hierarchy = new Mat();
// 只检测最外层轮廓
Imgproc.findContours(morphed, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);

for (MatOfPoint contour : contours) {
    Rect rect = Imgproc.boundingRect(contour);
    // 横向线条的宽度远大于高度，比如宽高比>5（可根据图像调整）
    if (rect.width > rect.height * 5) {
        // 记录线条的中心y位置
        double lineY = rect.y + rect.height / 2.0;
        // 在原图绘制矩形标记
        Imgproc.rectangle(src, rect.tl(), rect.br(), new Scalar(255,0,0), 2);
    }
}

小提示 #

所有参数都需要根据你的实际图像微调哦，比如自适应阈值的块大小、形态学核的宽度、霍夫检测的阈值等，多试几次就能找到最优效果～

内容的提问来源于stack exchange，提问作者Yatin