基于OpenCV Python在树莓派上检测热图轮廓区域是否含红色

针对你的需求，我们可以分两步实现：先提取热图的边界/轮廓区域，再在这个限定区域内检测红色像素。下面是具体的实现思路和代码优化：

步骤1：提取热图的边界区域 #

首先我们需要从原图中分离出热图的轮廓边界（也就是你说的禁止区域）。观察你的热图，它是一个圆形区域，周围是白色背景，所以可以通过轮廓检测来定位：

• 将图像转为灰度图，然后二值化（区分热图和白色背景）
• 查找图像中的轮廓，筛选出最大的那个（就是热图的圆形轮廓）
• 创建一个空白掩码，只绘制热图的边界部分（设置合适的厚度，比如5像素，代表禁止区域的宽度）

步骤2：在边界区域内检测红色 #

把你原来的红色检测掩码，和上面得到的边界掩码做位与运算，这样就能只保留边界区域内的红色像素。最后统计结果中的非零像素数量，判断是否存在红色。

完整代码示例 #

import cv2
import numpy as np

# 读取图像
frame = cv2.imread('heatmap.png')
# 备份原图用于显示
original = frame.copy()

# -------------------------- 步骤1：提取热图边界区域 --------------------------
# 转为灰度图
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 二值化：反色处理，因为热图区域比背景暗
_, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
# 查找轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 找到最大的轮廓（热图的圆形区域）
heatmap_contour = max(contours, key=cv2.contourArea)

# 创建空白掩码，用于绘制边界区域
boundary_mask = np.zeros_like(gray)
# 绘制热图的边界，厚度设为5（可根据实际需求调整，代表禁止区域的宽度）
cv2.drawContours(boundary_mask, [heatmap_contour], -1, 255, thickness=5)

# -------------------------- 步骤2：在边界区域检测红色 --------------------------
# 转为HSV空间
hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
# 红色的HSV范围（红色在HSV中是两段，补充第二段避免遗漏深红像素）
lower_red1 = np.array([0, 100, 100])
upper_red1 = np.array([13, 255, 255])
lower_red2 = np.array([160, 100, 100])
upper_red2 = np.array([180, 255, 255])
# 生成完整的红色掩码
mask_red1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask_red2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask_red = cv2.bitwise_or(mask_red1, mask_red2)

# 只保留边界区域内的红色
boundary_red_mask = cv2.bitwise_and(mask_red, boundary_mask)

# 判断是否存在红色：统计非零像素数量
red_pixel_count = cv2.countNonZero(boundary_red_mask)
if red_pixel_count > 0:
    print("警告：禁止区域（热图边界）存在红色高温区域！")
else:
    print("安全：禁止区域无红色高温区域。")

# -------------------------- 可视化结果 --------------------------
# 在原图上绘制边界区域
cv2.drawContours(original, [heatmap_contour], -1, (0,255,0), thickness=5)
# 显示各个窗口
cv2.imshow('Original with Boundary', original)
cv2.imshow('Boundary Mask', boundary_mask)
cv2.imshow('Red in Boundary', boundary_red_mask)

cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明 #

1. 边界厚度调整：cv2.drawContours中的thickness参数可以根据你的实际需求修改，数值越大，检测的边界区域越宽。
2. 红色范围优化：HSV中的红色分为两段（0-13和160-180左右），补充第二段检测可以避免遗漏偏深红的像素。
3. 结果判断：通过cv2.countNonZero统计边界区域内的红色像素数量，大于0则说明禁止区域存在红色。

内容的提问来源于stack exchange，提问作者Fernando Rivera