如何检测图像中黑白方框的轮廓？现有方案存在区域缺失问题

嘿，我来帮你搞定这个黑白方框检测的问题！你现在的需求是识别图像里方框的外部区域，但用HSV空间没法捕捉到黑白方框，换成HLS后虽然多识别了3个，但还是缺2个对吧？我来给你梳理下解决方案～

首先得说，黑白颜色在HSV空间里确实不好精准定位——黑色的H、S值都偏低，白色的S值低、V值高，很容易和背景的浅色/深色区域混淆；而HLS的L通道是亮度维度，天生更适合区分黑白这类靠亮度区分的颜色，但你的阈值范围可能没覆盖到所有黑白（包括过渡的灰色）区域。

调整HLS阈值的具体方案 #

我们可以分别定义黑色和白色的HLS阈值，然后合并掩码，再反转得到方框外部区域：

import cv2
import numpy as np

img = cv2.imread("1.png")
# 转换为HLS色彩空间
img_hls = cv2.cvtColor(img, cv2.COLOR_BGR2HLS)

# 定义黑色的HLS阈值：覆盖纯黑到深灰区域
lower_black = np.array([0, 0, 0])
upper_black = np.array([180, 255, 60])
# 定义白色的HLS阈值：覆盖纯白到浅灰区域
lower_white = np.array([0, 190, 0])
upper_white = np.array([180, 255, 255])

# 生成黑白区域的掩码
mask_black = cv2.inRange(img_hls, lower_black, upper_black)
mask_white = cv2.inRange(img_hls, lower_white, upper_white)
# 合并两个掩码，得到所有黑白方框区域
mask = cv2.bitwise_or(mask_black, mask_white)

# 反转掩码：得到我们需要的方框外部区域
mask_inv = cv2.bitwise_not(mask)

# 提取外部区域
result = cv2.bitwise_and(img, img, mask=mask_inv)

cv2.imwrite("final_result.png", result)

额外优化小技巧 #

如果调整阈值后还是有遗漏，可以试试这些操作：

• 高斯模糊降噪：先对原图做cv2.GaussianBlur(img, (5,5), 0)，减少图像里的细碎噪声，让黑白方框的边缘更连贯
• 形态学补漏：用膨胀操作cv2.dilate(mask, np.ones((3,3), np.uint8), iterations=1)填补掩码里的小漏洞，让黑白区域的掩码更完整
• 亮度均衡：如果图像有光照不均的情况，可以单独对HLS的L通道做直方图均衡化，提升黑白区域和背景的对比度

为什么之前的HLS方案还有遗漏？ #

大概率是你之前设置的HLS阈值范围太窄了——有些边框是浅灰或者深灰，它们的L值不在你原来的阈值区间里，所以把黑色的上限L值调高一点，白色的下限L值调低一点，就能覆盖到这些过渡的灰色区域啦。

内容的提问来源于stack exchange，提问作者dip deb