Python OpenCV在差图像上用各种方法绘制等高线

我目前正在做一个项目，用图像处理技术测量明渠的水位。我的主要问题是，由于我们的实验室条件，我必须处理一些有问题的图像。（即照明不良、背景不良等）

目前这是我拥有的最好的图像，我将来会得到更好的图像，但现在这是我正在处理的

由于图片中有太多的内容，我决定过滤蓝色以绘制一些轮廓，并选择需要处理的轮廓。但我似乎无法很好地绕过它来检测每个蓝色矩形。我也尝试过对图像进行灰度化，然后绘制轮廓，这似乎效果更好，但仍然不够。对于测量，我计划使用Hough变换

我的问题是,；我是完全错误地处理这个问题，还是我目前正在处理的图像根本不够好？我应该尝试不同的库或语言吗？这是我目前的代码

from imutils import perspective
from imutils import contours
import numpy as np
import imutils
import cv2 as cv


blueLow = np.array([90, 50, 20])
blueHigh = np.array([130, 255, 255])

img = cv.imread("10ltsn.png")
imgHSV = cv.cvtColor(img, cv.COLOR_BGR2HSV)
mask = cv.inRange(imgHSV, blueLow, blueHigh)
##imgray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

##kernelOpen = np.ones((5,5))
##kernelClose = np.ones((20,20))
##maskOpen = cv.morphologyEx(mask, cv.MORPH_OPEN, kernelOpen)
##maskClose = cv.morphologyEx(maskOpen, cv.MORPH_CLOSE, kernelClose)

##imgray = cv.GaussianBlur(imgray, (5,5), 0)
##imgray = cv.bilateralFilter(imgray,9,75,75)

edge = cv.Canny(mask, 50, 200)
edge = cv.dilate(edge, None, iterations=1)
edge = cv.erode(edge, None, iterations=1)


cnt = cv.findContours(edge.copy(), cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
cnt = imutils.grab_contours(cnt)

##(cnt, _) = contours.sort_contours(cnt)

for k in cnt:
    if cv.contourArea(k) < 1000:
        continue

    main = img.copy()
    box = cv.minAreaRect(k)
    box = cv.boxPoints(box)
    box = np.array(box, dtype="int")

    box = perspective.order_points(box)
    cv.drawContours(main, [box.astype("int")], -1, (0, 255, 0), 1)

    for (x, y) in box:
        cv.circle(main, (int(x), int(y)), 5, (0, 0, 255), -1)

    cv.imshow("main", main)
    cv.waitKey(0)



##cv.imshow("img", img)
##cv.imshow("mask", mask)
##cv.imshow("mask2", mask2)
##cv.imshow("edge", edged)
##cv.imshow("maskClose", maskClose)
##cv.imshow("maskOpen", maskOpen)

##cv.waitKey(0)
cv.destroyAllWindows()

从imutils导入角度
从imutils导入等高线
将numpy作为np导入
导入imutils
将cv2作为cv导入
blueLow=np.数组（[90,50,20]）
blueHigh=np.array（[130，255，255]）
img=cv.imread（“10ltsn.png”）
imgHSV=cv.CVT颜色（img，cv.COLOR\u BGR2HSV）
遮罩=范围内的cv（imgHSV、蓝低、蓝高）
##imgray=cv.CVT颜色（img，cv.COLOR\U BGR2GRAY）
##kernelOpen=np.one（（5,5））
##kernelClose=np.one（（20,20））
##maskOpen=cv.morphologyEx（遮罩，cv.Morpho_开放，kernelOpen）
##maskClose=cv.morphologyEx（maskOpen、cv.Morpho_CLOSE、kernelClose）
##imgray=cv.GaussianBlur（imgray，（5,5,0）
##imgray=cv.双边过滤器（imgray，9,75,75）
边缘=cv.Canny（遮罩，50，200）
边=cv.扩张（边，无，迭代次数=1）
边=cv.侵蚀（边，无，迭代次数=1）
cnt=cv.findContours（edge.copy（）、cv.RETR\u EXTERNAL、cv.CHAIN\u APPROX\u SIMPLE）
cnt=imutils.GRAP_轮廓（cnt）
##（cnt，u）=等高线。等高线排序（cnt）
对于碳纳米管中的k：
如果等高线面积（k）<1000：
持续
main=img.copy（）
方框=等速最小值（k）
长方体=cv.长方体点（长方体）
box=np.array（box，dtype=“int”）
框=透视图。顺序点（框）
等高线图（主[box.astype（“int”）]，-1，（0,255,0），1）
对于框中的（x，y）：
等速圆（主（整数（x），整数（y）），5，（0，0，255），-1）
cv.imshow（“主要”，主要）
cv.waitKey（0）
##简历imshow（“img”，img）
##简历：imshow（“面具”，面具）
##简历imshow（“mask2”，mask2）
##cv.imshow（“边缘”，边缘）
##简历：imshow（“maskClose”，maskClose）
##简历：imshow（“maskOpen”，maskOpen）
##cv.waitKey（0）
cv.destroyAllWindows（）

不要把它弄得太复杂。我使用了您的一些代码。

附言：我只能在一定程度上帮助你集中精力测量水位。但最后我会给你一个提示

---

不要把它弄得太复杂。我使用了您的一些代码。

附言：我只能在一定程度上帮助你集中精力测量水位。但最后我会给你一个提示

---

您能显示预期结果吗？我希望能够找到屏幕截图中显示的每个矩形，以便我可以分别在它们中工作以测量水深。你能显示预期的结果吗？我想能够找到屏幕截图中显示的每个矩形，这样我就可以分别在它们中工作来测量水深。哦，哇，这其实是更好更简单，谢谢你。当我得到一些没有反射的图像时，我会马上去看sobely。哦，哇，这实际上是更好更简单了，谢谢。当我得到一些没有反射的图像时，我会尽快地去看sobely。

import numpy as np
import cv2

def show(img):
    cv2.imshow('a',img)
    cv2.waitKey()
    cv2.destroyAllWindows()


mask = cv2.imread("azC2r.jpg",0)
img = cv2.imread("azC2r.jpg")
print('Image shape: {}'.format(img.shape))

ret,thresh = cv2.threshold(mask,50,255,cv2.THRESH_BINARY)

thresh = cv2.blur(thresh,(7,7))
thresh[thresh<254]=0


kernel = np.ones((7,7))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
kernel = np.ones((9,9))
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)


im2, contours,_ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

contours = [cnt for cnt in contours if cv2.contourArea(cnt)<100000]

cv2.drawContours(img, contours, -1, (0,255,0), 3)

# Thank to this snippet to
# https://stackoverflow.com/questions/37912928/fill-the-outside-of-contours-opencv
stencil = np.zeros(img.shape).astype(img.dtype)
color = [255, 255, 255]
cv2.fillPoly(stencil, contours, color)
img = cv2.bitwise_and(img, stencil)
# END of snippet
img[np.where(np.all(img==[255,255,255],axis = 2))]=[0,0,0]


show(img)

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)