基于Python与OpenCV定位毛巾最低边角的最优方法咨询

嘿，结合你说的背景颜色固定、毛巾颜色可变的情况，我给你一套亲测有效的最优方案，步骤清晰还鲁棒：

核心思路 #

因为背景颜色始终一致，我们可以先精准分割出毛巾区域，再通过轮廓/凸包分析定位最低边角，完全不受毛巾颜色变化影响。

具体步骤 #

1. 背景分割（提取毛巾区域） #

先把图像转成HSV色彩空间（比RGB更适合颜色阈值分割），然后利用固定背景的颜色特征，创建掩码分离出毛巾：

• 取图像中纯背景区域（比如左上角）计算平均HSV值，设置合理的容差范围；
• 用cv2.inRange()生成背景掩码，再取反得到毛巾区域的掩码。

2. 掩码优化（去除噪点） #

毛巾边缘可能有毛躁或小空隙，用形态学操作处理掩码：

• 闭操作（先膨胀后腐蚀）填充毛巾内部的小空隙；
• 开操作（先腐蚀后膨胀）去掉背景中的小噪点。

3. 轮廓提取与筛选 #

用cv2.findContours()提取掩码中的轮廓，然后筛选出面积最大的轮廓（就是毛巾本身，排除其他小干扰）。

4. 定位最低边角 #

这里推荐两种方法，按需选择：

• 方法一：遍历轮廓点：直接遍历轮廓所有点，找到y坐标最大的点（图像坐标系y轴向下，y越大越靠下）；如果有多个y值相同的点，取x最大的那个（对应示例中的右下角边角）。
• 方法二：凸包极值点：先对轮廓求凸包，凸包能忽略毛巾褶皱的凹点，更精准定位边角；然后找到凸包中y坐标最大的点，就是我们要的最低边角。

完整代码示例 #

import cv2
import numpy as np

# 读取图像
img = cv2.imread('towel.jpg')
hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 步骤1：获取背景HSV范围（以左上角背景区域为例）
bg_area = hsv_img[0:50, 0:50]  # 取左上角50x50的纯背景区域
bg_h, bg_s, bg_v = np.mean(bg_area, axis=(0, 1))
# 设置颜色容差，可根据实际情况调整
lower_bg = np.array([bg_h - 10, bg_s - 30, bg_v - 30])
upper_bg = np.array([bg_h + 10, bg_s + 30, bg_v + 30])

# 创建毛巾掩码（非背景区域）
bg_mask = cv2.inRange(hsv_img, lower_bg, upper_bg)
towel_mask = cv2.bitwise_not(bg_mask)

# 步骤2：形态学优化掩码
kernel = np.ones((5, 5), np.uint8)
towel_mask = cv2.morphologyEx(towel_mask, cv2.MORPH_CLOSE, kernel)  # 填充空隙
towel_mask = cv2.morphologyEx(towel_mask, cv2.MORPH_OPEN, kernel)   # 去除噪点

# 步骤3：提取并筛选毛巾轮廓
contours, _ = cv2.findContours(towel_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
towel_contour = max(contours, key=cv2.contourArea)  # 取面积最大的轮廓

# 步骤4：定位最低边角（推荐凸包方法）
hull = cv2.convexHull(towel_contour)
max_y_index = np.argmax(hull[:, 0, 1])  # 找到y最大的点索引
target_corner = tuple(hull[max_y_index][0])

# 标记目标点
cv2.circle(img, target_corner, 6, (0, 0, 255), -1)  # 红色实心圆标记
cv2.imshow('Target Corner', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 如果背景颜色有轻微光影变化，可适当调大HSV的容差范围（比如把10改成15，30改成40）；
• 形态学核的大小可以根据图像分辨率调整，比如分辨率高就用(7,7)的核；
• 如果毛巾和背景颜色非常接近，可尝试先做边缘检测（cv2.Canny()）再提取轮廓，同样能得到不错的效果。

内容的提问来源于stack exchange，提问作者Daniel