Opencv，结合了色度键校正和轮廓检测，产生了意想不到的结果

我在一张色度键校正过的图像上做轮廓检测。当我滤除蓝色时，一切都很好，但是当我试图通过滤除红色来获得更好的色度校正时，突然我的轮廓无法被检测到了。有什么建议吗

使用蓝色过滤器：

img = cv2.imread('yellowcropped.jpg', 1)
lower_blue = np.array([0, 0, 15])  ##[R value, G value, B value]
upper_blue = np.array([255, 255, 60])
mask = cv2.inRange(image_copy, lower_blue, upper_blue)

使用蓝色和红色过滤器：

lower_blue = np.array([180, 0, 15])  ##[R value, G value, B value]
upper_blue = np.array([255, 255, 60])

（注意左上角的图像变得更加清晰，但不再检测到轮廓。）

下面是我的轮廓查找代码：

imgContour = image_original.copy()
imgBlur = cv2.GaussianBlur(img, (7, 7), 1)
imgGray = imgBlur
imgCanny = cv2.Canny(imgGray,threshold1,threshold2)
kernel = np.ones((5, 5))
imgDil = cv2.dilate(imgCanny, kernel, iterations=1)
getContours(imgDil,imgContour)


def getContours(img,imgContour):

""" DRAWS AND FINDS CONTOURS, THEN RETURNS a list of lists incl x0, y0, w, h"""

contour_list = []
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# print('contours:', contours)
for cnt in contours:
    area = cv2.contourArea(cnt)
    areaMin = cv2.getTrackbarPos("Area", "Parameters")
    if area > areaMin and area < 5000:
        cv2.drawContours(imgContour, cnt, -1, (255, 0, 0), 7)
        peri = cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
        # print(len(approx))
        x , y , w, h = cv2.boundingRect(approx)
        print('contour bounding:', x,y,w,h)
        center_x = int(x + w/2)
        center_y = int(y + h/2)

        cv2.circle(imgContour,(center_x, center_y), 5, (0, 0, 255), 5)
        cv2.rectangle(imgContour, (x , y ), (x + w , y + h ), (0, 255, 0), 5)

        cv2.putText(imgContour, "Points: " + str(len(approx)), (x + w + 20, y + 20), cv2.FONT_HERSHEY_COMPLEX, .7,
                    (0, 255, 0), 2)
        cv2.putText(imgContour, "Area: " + str(int(area)), (x + w + 20, y + 45), cv2.FONT_HERSHEY_COMPLEX, 0.7,
                    (0, 255, 0), 2)

        if area < 3500:
            cv2.putText(imgContour, "THIS IS A SMALL PART" , (x + w + 20, y + 70), cv2.FONT_HERSHEY_COMPLEX, 0.7,
                        (0, 255, 0), 2)

        contour_list.append([x,y,w,h])

return contour_listenter code here

imgContour=image\u original.copy（）
imgBlur=cv2.高斯模糊（img，（7,7,1）
imgGray=imgBlur
imgCanny=cv2.Canny（imgGray，threshold1，threshold2）
内核=np.one（（5，5））
imgDil=cv2.deflate（imgCanny，内核，迭代次数=1）
获取等高线（imgDil、imgContour）
def getContours（img、imgContour）：
“”“绘制并查找轮廓，然后返回包含x0、y0、w、h的列表”“”
轮廓列表=[]
轮廓，层次=cv2.查找轮廓（img，cv2.RETR\u外部，cv2.CHAIN\u近似值\u无）
#打印（'等高线：'，等高线）
对于轮廓中的cnt：
面积=cv2。轮廓面积（cnt）
areaMin=cv2.getTrackbarPos（“区域”、“参数”）
如果面积>面积最小值且面积<5000：
cv2.绘制等高线（imgContour，cnt，-1，（255，0，0），7）
peri=cv2.弧长（cnt，真）
近似值=cv2.近似聚合度（cnt，0.02*peri，真）
#打印（透镜（近似值））
x，y，w，h=cv2.边界矩形（近似值）
打印（'轮廓边界：'，x，y，w，h）
中心x=int（x+w/2）
中心y=int（y+h/2）
cv2.圆（imgContour，（中心x，中心y），5，（0，0，255），5）
cv2.矩形（imgContour，（x，y），（x+w，y+h），（0，255，0），5）
cv2.putText（imgContour），要点：“+str（len（近似）），（x+w+20，y+20），cv2.FONT\U HERSHEY\U COMPLEX，.7，
(0, 255, 0), 2)
cv2.putText（imgContour，“面积：”+str（int（面积）），（x+w+20，y+45），cv2.FONT\u HERSHEY\u复合体，0.7，
(0, 255, 0), 2)
如果面积小于3500：
cv2.putText（imgContour，“这是一个小部分）”，（x+w+20，y+70），cv2.FONT\u HERSHEY\u COMPLEX，0.7，
(0, 255, 0), 2)
等高线列表。追加（[x，y，w，h]）
在此处返回轮廓线列表输入代码

因此，我仍然不完全知道这里出了什么问题，但我为将来的任何人找到了一个解决方案，他们希望先纠正色度键（删除背景），然后进行轮廓检测：

我放弃了高斯滤镜，放大和canny，而是使用以下方法反转图像的颜色（轮廓检测仅检测黑色背景上的白色部分）：

然后，我将轮廓检测从cv2.RETR_EXTERNAL更改为cv2.RETR_LIST

不知怎么的，它修复了，结果现在真的很好

mask = cv2.bitwise_not(mask)