计算机视觉——Opencv（实现抠图功能）

本文将介绍如何利用 OpenCV (cv2) 和 NumPy 对图像进行一系列操作：

调整图像尺寸并旋转
使用 Canny 算法进行边缘检测
提取最大轮廓并生成掩模
利用掩模提取原图中的目标区域并保存

我们将以下面这张图作为示例，目标是提取图像中最大的物体区域，并保存成一张新图片

导入库 + 读取图片 + 预处理

python 复制代码

# 1. 导入需要的库
import cv2
import numpy as np

# -------------------------- 读取并预处理图片 --------------------------
# 读取图片（把路径换成你自己的图片路径）
img = cv2.imread(r"C:\Users\LEGION\Desktop\fba8f805b62cae66c6579969abeb86d8.jpg")

# 检查图片是否读取成功（非常重要！）
if img is None:
    raise FileNotFoundError("图片读取失败，请检查路径是否正确！")

# 统一调整图片大小：宽640，高480
img_resized = cv2.resize(img, (640, 480))

# 逆时针旋转90度（让扇子摆正，方便检测）
img_rotated = cv2.rotate(img_resized, cv2.ROTATE_90_COUNTERCLOCKWISE)

# 显示效果
cv2.imshow("1-原图预处理后", img_rotated)
cv2.waitKey(0)
cv2.destroyAllWindows()

整尺寸 resize()

统一图片大小，降低计算量，保证处理稳定

旋转图片 rotate()

ROTATE_90_COUNTERCLOCKWISE = 逆时针 90 度
作用：让扇子摆正，边缘检测更准确

注意：

旋转方向要明确，如果写成 cv2.ROTATE_90_CLOCKWISE 就会顺时针旋转。
缩放先于旋转，可以避免旋转后图像尺寸不一致导致的裁切问题。

Canny 边缘检测（核心步骤）

python 复制代码

# -------------------------- Canny边缘检测 --------------------------
# 1. 转为灰度图（边缘检测必须用灰度图）
gray = cv2.cvtColor(img_rotated, cv2.COLOR_BGR2GRAY)

# 2. 高斯模糊：去噪点（边缘检测前必做）
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 3. Canny边缘检测
edges = cv2.Canny(blurred, 50, 150)

# 显示结果
cv2.imshow("2-灰度图", gray)
cv2.imshow("3-模糊后", blurred)
cv2.imshow("4-Canny边缘结果", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

灰度化 cvtColor
- 彩色图有 3 个通道，灰度图只有 1 个通道
- Canny 边缘检测只接受灰度图
高斯模糊 GaussianBlur
- (5,5)是模糊核大小（必须奇数）
- 作用：消除噪点，防止把噪点当成边缘
Canny 边缘检测
- 50：低阈值 ------ 小于这个值的边缘会被抛弃
- 150：高阈值 ------ 大于这个值的边缘会被保留
- 标准比例：1:2 或 1:3

运行后你会看到：扇子变成白色线条，背景黑色，这就是边缘。

提示：阈值可以调节，低阈值太小会有噪声，太大会丢失细节。

查找轮廓 + 版本兼容处理

python 复制代码

# -------------------------- 查找轮廓（兼容所有OpenCV版本） --------------------------
# 查找轮廓
contour_result = cv2.findContours(
    edges.copy(),
    cv2.RETR_EXTERNAL,   # 只找最外层轮廓
    cv2.CHAIN_APPROX_SIMPLE
)

# 版本兼容（3.x 和 4.x/5.x 返回值不同）
if len(contour_result) == 2:
    contours, hierarchy = contour_result
else:
    _, contours, hierarchy = contour_result

# 判断是否找到轮廓
if not contours:
    raise ValueError("未检测到扇子轮廓，请调整Canny阈值！")

# 选择面积最大的轮廓（扇子主体）
max_contour = max(contours, key=cv2.contourArea)

print(f"找到 {len(contours)} 个轮廓，最大轮廓面积为：{cv2.contourArea(max_contour)}")

findContours 查找轮廓
- 从 Canny 边缘图中提取所有闭合形状
- RETR_EXTERNAL：只提取最外层，不包含内部小孔
版本兼容
- OpenCV 3.x 返回 3 个值
- OpenCV 4.x/5.x 返回 2 个值
- 代码自动适配，不会报错
筛选最大轮廓
- 扇子是图片中最大的物体
- 用 max(..., key=cv2.contourArea) 自动选出扇子轮廓

生成掩模（Mask）

python 复制代码

# -------------------------- 生成掩模 --------------------------
# 创建和图片一样大的全黑图片（掩模）
mask = np.zeros_like(img_rotated)

# 在掩模上把扇子轮廓涂成白色
cv2.drawContours(
    mask,        # 在哪个图上画
    [max_contour],  # 画哪个轮廓
    -1,          # 画所有层级
    (255,255,255), # 白色
    cv2.FILLED   # 填充内部
)

# 显示掩模
cv2.imshow("5-掩模", mask)
cv2.waitKey(0)
cv2.destroyAllWindows()

掩模是什么？
- 全黑图片 = 不要的区域
- 白色区域 = 要保留的区域
drawContours 填充轮廓
- cv2.FILLED：填充轮廓内部
- 最终得到一张只有扇子是白色、其余全黑的图片，这就是掩模

掩模作用：告诉程序 "只保留白色区域"。

提取扇子 + 保存图片

python 复制代码

# -------------------------- 提取扇子并保存 --------------------------
# 按位与操作：只保留掩模白色区域
result = cv2.bitwise_and(img_rotated, mask)

# 保存图片
cv2.imwrite("shanzi.png", result)

# 显示最终结果
cv2.imshow("6-最终提取的扇子", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

print("✅ 处理完成！扇子已保存为 shanzi.png")

bitwise_and 按位与

只有原图和掩模同时为非 0的区域才会保留
黑色区域（0）会被直接过滤

常见问题

检测不到轮廓
- 把 Canny 阈值调低：30, 100
提取不完整
- 模糊核改小：(3,3)
- 阈值调低

计算机视觉——Opencv（实现抠图功能）

导入库 + 读取图片 + 预处理

Canny 边缘检测（核心步骤）

查找轮廓 + 版本兼容处理

生成掩模（Mask）

提取扇子 + 保存图片

常见问题

运行结果