如何用OpenCV或传统方法提取亮度不均的钢材灰度图轮廓？

问题背景 #

手头有大量钢材灰度图像，部分亮度偏高，还有些存在亮度不均的问题，目前的轮廓提取效果有缺陷，想找更靠谱的处理方案。

现有尝试 #

先通过确定左右边界裁剪来减少背景噪声，裁剪后的处理代码如下：

m=img.shape[0]//2
count=mayregion
if clip_top:
    last_row = img_three[-1, :]  
    mid_row= img_three[m, :]  
    mean_pixel = (np.mean(last_row)+np.mean(mid_row))//2
    count=(np.sum(last_row > 240)+np.sum(mid_row>240))
else:
    last_row = img_three[0, :]  
    mid_row = img_three[m, :]  
    mean_pixel = (np.mean(last_row) + np.mean(mid_row)) // 2
    count = (np.sum(last_row > 240) + np.sum(mid_row > 240))
if mean_pixel>240:
    k=100
elif mean_pixel>210:
    k=80
else:
    k=30
img_three_color = cv2.cvtColor(img_three, cv2.COLOR_GRAY2BGR)
img_three = cv2.GaussianBlur(img, (7, 7), 1)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
img_open = cv2.morphologyEx(img_three, cv2.MORPH_OPEN, kernel)
img_close = cv2.morphologyEx(img_open, cv2.MORPH_CLOSE, kernel)
_, binary = cv2.threshold(img_close, k, 255, cv2.THRESH_BINARY)

contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

filtered_contours = [cnt for cnt in contours if cv2.contourArea(cnt) >= 100]
cv2.drawContours(img_three_color, filtered_contours, -1, (0, 255, 0), 10)

但用这个方法提取的轮廓还是有不少问题。

优化方向 #

针对高亮度和亮度不均的核心问题，可以从这几个点调整：

• 用自适应阈值替代全局阈值：全局阈值在亮度不均的图里要么丢细节要么留噪声，cv2.adaptiveThreshold能根据局部区域的像素分布算阈值，适配不同区域的亮度变化，替换原全局阈值代码：

  binary = cv2.adaptiveThreshold(img_close, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
  

  其中11是局部块大小（需为奇数），2是阈值偏移量，可根据你的图像实际情况微调。
• 换用双边滤波替代高斯模糊：高斯模糊容易把边缘糊掉，双边滤波能在滤除噪声的同时保留边缘细节，适合钢材这种需要清晰边缘的场景：

  img_three = cv2.bilateralFilter(img, d=9, sigmaColor=75, sigmaSpace=75)
  

• 优化形态学操作参数：当前的(3,3)椭圆核可能太细，试试调大到(5,5)，或者增加形态学梯度操作强化边缘：

  kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
  img_grad = cv2.morphologyEx(img_open, cv2.MORPH_GRADIENT, kernel)
  

• 改进阈值计算逻辑：原逻辑只取两行像素的均值来定阈值，样本量太小容易误判。可以改用Otsu自动阈值法，它能根据图像直方图自动找到最优分割阈值：

  _, binary = cv2.threshold(img_close, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  

• 增强轮廓后处理：除了面积过滤，还可以加长宽比过滤，剔除不符合钢材形态的噪声轮廓：

  filtered_contours = []
  for cnt in contours:
      area = cv2.contourArea(cnt)
      if area < 100:
          continue
      x, y, w, h = cv2.boundingRect(cnt)
      aspect_ratio = w / h
      # 根据你的钢材实际形态设定合理范围，这里只是示例
      if 0.2 < aspect_ratio < 5:
          filtered_contours.append(cnt)
  

实操建议 #

优先试自适应阈值+双边滤波的组合，先解决亮度不均的核心问题；再根据轮廓的具体缺陷（比如断边、噪声轮廓多）调整形态学参数和过滤规则，逐步优化。

内容的提问来源于stack exchange，提问作者Mumu