OpenCV 里的连通区域分析例题

Question

OpenCV 里的连通区域分析可以将具有相同像素值且位置相邻的前景像素点组成的图像区域识别出来。有两种像素相邻的定义：
通过OpenCV的连通区域分析算法，我们可以将下图的水鸭子的外框框出来：
系统识别的正确代码是：

import cv2
import numpy as np
import matplotlib.pyplot as plt

def close_op(img):
kernel = np.ones((3, 3), np.uint8)
img1 = cv2.dilate(img, kernel, iterations=1)
img2 = cv2.erode(img1, kernel, iterations=1)
return img2

def show_images(images):
i = 0
for title in images:
plt.subplot(2, 3, i+1), plt.imshow(images[title], 'gray')
plt.title(title)
plt.xticks([]), plt.yticks([])
i += 1
plt.show()

if name == 'main':
duck_origin = cv2.imread('duck.png', -1)

duck_box = duck_origin.copy()
duck_gray = cv2.cvtColor(duck_box, cv2.COLOR_BGR2GRAY)
duck_gray_with_closed = close_op(duck_gray)
ret, duck_binary = cv2.threshold(duck_gray_with_closed, 127, 255, cv2.THRESH_BINARY)
 
ret, labels, stats, centroid = cv2.connectedComponentsWithStats(duck_binary)
duck_area = sorted(stats, key=lambda s: s[-1], reverse=False)[-2]
cv2.rectangle(
    duck_box,
    (duck_area[0], duck_area[1]),
    (duck_area[0] + duck_area[2], duck_area[1] + duck_area[3]),
    (255, 0, 0),
    3
)
 
images = {
    'duck_origin': duck_origin,
    'duck_gray': duck_gray,
    'duck_gray_with_closed_op': duck_gray_with_closed,
    'duck_binary': duck_binary,
    'duck_box': duck_box
}
show_images(images)

但实际运行测试，并不能正确框选出duck。
如何修改？

Answer 1

该代码的问题可能在于图像阈值化的参数设置，在 cv2.threshold() 中 threshold 的取值可能不适合这张图片。可以尝试使用其他阈值化方法，如 cv2.adaptiveThreshold() 或 cv2.createTrackbar() 来动态调整阈值。

---

另外，在使用 cv2.connectedComponentsWithStats() 时，stats 参数返回的是所有连通块的统计信息，而代码中选择的是面积最小的连通块，这可能不是我们想要的结果，需要更改为选择面积最大的连通块。

---

除此之外，需要注意的还有：

• 在读取图片时，使用 cv2.IMREAD_GRAYSCALE 会使得读入的图片是灰度图，而不是彩色图。

• 用于腐蚀和膨胀操作的核大小可能需要调整。

• 使用 cv2.rectangle() 函数画矩形时，(x,y) 和 (x+w,y+h) 是矩形右下角和左上角的坐标，而不是左上角和右下角。

总之，应该从多个方面来调整代码，以获得最佳结果。