基于OpenCV提取皮肤图像痣边缘像素数及去除小轮廓问题求助

嘿，我来帮你搞定这个痣轮廓提取的问题！从你描述的情况和提供的代码来看，核心问题确实出在阈值处理环节——固定阈值150没有适配图像的光照和痣内部的细节，导致痣里面的深色小点被误判成了独立的小区域，进而被Canny检测出多余的小轮廓。下面是具体的解决方案：

改进思路 #

• 替换固定阈值为OTSU自动阈值：自动计算最佳分割阈值，避免手动阈值的局限性
• 形态学闭运算填充小空洞：消除痣内部的小深色区域，统一成完整的大轮廓
• 提取轮廓并过滤小区域：确保只保留目标痣的轮廓，再统计边缘像素数量

修改后的代码示例 #

import cv2
import numpy as np

# 假设你已经读取了原始图像
# Original = cv2.imread("your_image_path.jpg")

# 1. 灰度化
grayscaled = cv2.cvtColor(Original, cv2.COLOR_BGR2GRAY)

# 2. 使用OTSU自动阈值二值化（适配皮肤图像的明暗差异）
# THRESH_BINARY_INV将深色的痣转为白色区域，方便后续处理
retval, threshold = cv2.threshold(grayscaled, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 3. 形态学闭运算：填充痣内部的小空洞
# 创建椭圆结构元素，适配痣的圆形/椭圆形轮廓
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
closed = cv2.morphologyEx(threshold, cv2.MORPH_CLOSE, kernel, iterations=2)

# 4. Canny边缘检测
filter = cv2.Canny(closed, 100, 200)

# 5. 提取轮廓并过滤小轮廓，计算边缘像素数量
# RETR_EXTERNAL只提取最外层轮廓，避免嵌套的小轮廓干扰
contours, _ = cv2.findContours(filter, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 过滤掉面积过小的噪点轮廓（阈值可根据实际图像调整）
filtered_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 200]

# 统计边缘像素：绘制轮廓到空白图后，统计非零像素数
edge_pixel_count = 0
blank = np.zeros_like(filter)
for cnt in filtered_contours:
    cv2.drawContours(blank, [cnt], -1, 255, 1)  # 1表示轮廓线宽为1
edge_pixel_count = cv2.countNonZero(blank)

print(f"痣的边缘像素数量：{edge_pixel_count}")

# 显示处理结果
cv2.imshow('Processed Threshold', closed)
cv2.imshow('Filtered Edges', blank)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键步骤解释 #

• OTSU阈值：自动分析图像的灰度分布，计算出最适合的分割阈值，比固定值更能适配不同光照下的皮肤图像。
• 形态学闭运算：通过先膨胀再腐蚀的操作，填充痣内部的细小黑色空洞，让痣的轮廓变得完整，不会出现内部的小轮廓。
• 轮廓过滤：只保留最外层的大轮廓，再通过面积过滤掉噪点产生的细小轮廓，确保最终只保留目标痣的边缘。

这样处理后，就能得到干净的痣轮廓，准确计算边缘像素的数量啦！

内容的提问来源于stack exchange，提问作者Andrei N.