基于OpenCV(Python)从灰度图像中统计车轮总辐条数及断裂辐条数

刚好之前做过类似的车轮辐条检测项目，给你一套针对性的解决方案，在你描述的这类灰度图像场景（车轮白色连通组件、背景黑色、已知轴心）下非常好用：

一、先做预处理，扫清干扰 #

• 第一步先做二值化：用OpenCV的cv2.threshold()函数把灰度图转成纯黑白二值图，确保辐条是纯白色，背景完全是黑色，这样后续检测不会受灰度渐变影响。
• 如果图像有小噪点，先跑一遍中值滤波：cv2.medianBlur(img, 3)，把零星的噪点去掉，避免误判成断裂的辐条片段。

二、核心操作：极坐标转换把辐条变直线 #

因为辐条是从轴心向外辐射的，直接处理笛卡尔坐标的话，辐条是斜线，不好统计。转成极坐标后，每条辐条会变成垂直的竖线，瞬间就好处理了：

• 用cv2.warpPolar()函数，以已知的轴心(cx, cy)为原点，把图像转换成极坐标。参数里要设置好车轮的最大半径（可以从图像中先估算出来，比如从轴心到车轮边缘的距离），确保整个车轮都被包含进转换后的图像里。
• 转换后，原来的圆周角度对应新图像的x轴，半径对应y轴，每条辐条就是一条从顶部到底部的竖线（完整的话）。

三、统计总辐条数 #

• 对转换后的极坐标图像做水平投影：统计每一列（对应原图像的一个角度）的白色像素总数。正常情况下，有辐条的列会有很高的像素值，没有的列几乎为0。
• 用峰值检测找这些高值的数量：比如用scipy.signal.find_peaks()，设置合适的高度阈值（过滤掉噪声的小峰值），找到的峰值数量就是总辐条数。

四、统计断裂辐条数 #

断裂的辐条在极坐标图像里是不连续的竖线，所以可以这样检测：

• 遍历极坐标图像的每一列（每一列对应一条辐条），统计该列中白色连通组件的数量。完整的辐条只有1个连通组件，断裂的辐条会分成2段甚至更多。
• 怎么统计连通组件？可以用cv2.connectedComponents()函数，对单列图像（或者把列转成一维后找连续的白色段）计算连通块数量。把所有连通块数量>1的列数加起来，就是断裂辐条数。

一些实用小技巧 #

• 如果你的轴心定位有一点点偏差，建议先做个轴心微调：以初始轴心为中心，在5-10像素的范围内搜索，找到能让极坐标投影峰值最尖锐的点，这样转换后的辐条更清晰，统计更准确。
• 要是图像光照不均，先做直方图均衡化：cv2.equalizeHist(img)，增强辐条和背景的对比度，让后续二值化更彻底。

内容的提问来源于stack exchange，提问作者dzimiks