如何利用OpenCV获取钢材灰度图像的头尾裁剪点？

问题背景 #

需要对存在灰度分布不均问题的钢材灰度图像进行头部/尾部裁剪，当前通过cv2.adaptiveThreshold提取轮廓，再用以下代码拟合轮廓：

epsilon = 0.0005 * cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, epsilon, True)

随后基于斜率筛选拟合点，但效果不理想，目标是定位图像左右两侧的特征裁剪点。

原始图像说明：钢材灰度图，存在灰度不均现象，边缘区域模糊
目标裁剪点说明：图像左右两侧的两个特征点，用于确定头尾裁剪边界

改进步骤 #

1. 预处理：消除灰度不均影响 #

先通过CLAHE（限制对比度自适应直方图均衡化）处理图像，强化边缘对比度，解决灰度分布不均问题：

import cv2
import numpy as np

# 读取灰度图像
gray_img = cv2.imread("steel_img.jpg", cv2.IMREAD_GRAYSCALE)
# 应用CLAHE
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
equalized_img = clahe.apply(gray_img)

2. 轮廓提取与筛选：聚焦主体 #

提取轮廓后，通过面积筛选排除噪声，只保留钢材主体的轮廓：

# 自适应阈值二值化
thresh = cv2.adaptiveThreshold(equalized_img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
# 提取外部轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 按面积降序排序，取面积最大的轮廓（对应钢材主体）
main_contour = sorted(contours, key=cv2.contourArea, reverse=True)[0]

3. 裁剪点定位：替代斜率筛选 #

方法一：最小外接矩形法

通过最小外接矩形直接获取边界点，适配钢材的任意摆放角度：

# 计算最小外接矩形
rect = cv2.minAreaRect(main_contour)
box = cv2.boxPoints(rect)
box = np.int0(box)
# 提取x坐标最小（左点）和最大（右点）的点
left_point = min(box, key=lambda p: p[0])
right_point = max(box, key=lambda p: p[0])

方法二：边缘直线拟合

如果钢材边缘近似直线，对轮廓点做直线拟合后取端点：

# 提取轮廓的x、y坐标数组
x_coords = main_contour[:, 0, 0]
y_coords = main_contour[:, 0, 1]
# 一阶多项式拟合直线
fit = np.polyfit(x_coords, y_coords, 1)
line_func = np.poly1d(fit)
# 取x极值对应的点作为裁剪点
left_point = (x_coords.min(), int(line_func(x_coords.min())))
right_point = (x_coords.max(), int(line_func(x_coords.max())))

4. 后处理：优化点的稳定性 #

对多帧图像或同一图像的多行轮廓点取均值，或通过长宽比验证点的合理性，避免噪声干扰。

内容的提问来源于stack exchange，提问作者Mumu