Python+OpenCV实现不规则ROI区域分割的多种方法

咖啡半糖

发布时间：2026-10-14 | 4人浏览过

原创

本文汇总了使用Python和OpenCV分割不规则感兴趣区域（ROI）的三种核心方法。首先介绍通过已知边界坐标直接绘制多边形的方式；其次讲解利用形态学腐蚀膨胀生成二值掩模并与原图进行按位与运算的技巧；最后提供基于鼠标交互点击生成多边形的实现方案，适用于Ground-Truth标注及高精度分割场景。

在图像分割任务中，提取感兴趣区域（ROI）是基础且关键的一步。对于规则的矩形ROI，OpenCV官方教程中介绍的数组切片方法即可轻松实现。然而，实际应用中常遇到边界为不规则多边形或曲线的复杂情况，此时需要采用更灵活的分割策略。以下梳理了几种处理此类问题的技术思路。

注：此处仅展示核心代码逻辑，具体实现需结合您的项目环境进行调整。

一、已知边界坐标，直接绘制多边形

示例：绘制基础四边形


# 定义四个顶点坐标
pts = np.array([[10, 5],  [50, 10], [70, 20], [20, 30]], np.int32)
# 顶点个数：4，矩阵变成4*1*2维
# OpenCV中需要将多边形的顶点坐标变成顶点数×1×2维的矩阵
# 这里 reshape 的第一个参数为-1, 表示“任意”，意思是这一维的值是根据后面的维度的计算出来的
pts = pts.reshape((-1, 1, 2))
cv2.polylines(img, [pts], True, (0, 255, 255))

在上述示例中，img代表原始画布图像，pts变量存储边界点坐标，您可根据实际需求修改这些点。需要注意的是，调用cv2.polylines函数时，参数pts必须被包裹在列表[ ]中，以确保格式正确。

二、通过形态学操作生成Mask

该方法首先对图像进行腐蚀和膨胀处理，生成二值化（黑白分明）的掩模（mask），随后将原图像与该掩模进行按位与（bitwise_and）运算，从而提取出目标ROI。

简要回顾腐蚀与膨胀的操作流程：


kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (10, 10))  # 矩形结构:MORPH_RECT
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15))  # 椭圆结构:MORPH_ELLIPSE
img = cv2.erode(img, kernel)  # 腐蚀 
img = cv2.dilate(img, kernel)  # 膨胀

经过腐蚀和膨胀处理后，我们将获得一个二值化的掩模图像。


    mask = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) #img是腐蚀膨胀完的图片
    ROI = cv2.bitwise_and(mask, oriimg) #oriimg是原始图片
    cv2.imshow('ROI',ROI)
    if cv2.waitKey(500) and 0xff == ord('q'):
        cv2.destroyAllWindows()

将原始图像与该掩模进行按位与操作，即可得到最终的ROI图像（此处省略具体代码示例，因涉及未发表科研内容，建议读者自行测试验证）。

三、人机交互式分割

通过鼠标点击操作，手动构建多边形边界。

这种方法精度较高，因为由人工直接操作，但效率较低。若处理上万张图片，逐一手动分割不切实际。然而，该方法常用于获取ROI的Ground-Truth（标准答案），进而与机器分割结果对比，计算准确率、召回率等评价指标，因此掌握此方法仍具实用价值。


#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed May 29 19:18:28 2019
@author: youxinlin
"""
 
import cv2
import numpy as np
 
# -----------------------鼠标操作相关------------------------------------------
lsPointsChoose = []
tpPointsChoose = []
pointsCount = 0
count = 0
pointsMax = 6
def on_mouse(event, x, y, flags, param):
    global img, point1, point2, count, pointsMax
    global lsPointsChoose, tpPointsChoose  # 存入选择的点
    global pointsCount  # 对鼠标按下的点计数
    global img2, ROI_bymouse_flag
    img2 = img.copy()  # 此行代码保证每次都重新再原图画  避免画多了
    # -----------------------------------------------------------
    #    count=count+1
    #    print("callback_count",count)
    # --------------------------------------------------------------
 
    if event == cv2.EVENT_LBUTTONDOWN:  # 左键点击
        pointsCount = pointsCount + 1
        # 感觉这里没有用？2018年8月25日20:06:42
        # 为了保存绘制的区域，画的点稍晚清零
        # if (pointsCount == pointsMax + 1):
        #     pointsCount = 0
        #     tpPointsChoose = []
        print('pointsCount:', pointsCount)
        point1 = (x, y)
        print (x, y)
        # 画出点击的点
        cv2.circle(img2, point1, 10, (0, 255, 0), 2)
 
        # 将选取的点保存到list列表里
        lsPointsChoose.append([x, y])  # 用于转化为darry 提取多边形ROI
        tpPointsChoose.append((x, y))  # 用于画点
        # ----------------------------------------------------------------------
        # 将鼠标选的点用直线连起来
        print(len(tpPointsChoose))
        for i in range(len(tpPointsChoose) - 1):
            print('i', i)
            cv2.line(img2, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 2)
        # ----------------------------------------------------------------------
        # ----------点击到pointMax时可以提取去绘图----------------
 
        cv2.imshow('src', img2)
        
# -------------------------右键按下清除轨迹-----------------------------
    if event == cv2.EVENT_RBUTTONDOWN:  # 右键点击
        print("right-mouse")
        pointsCount = 0
        tpPointsChoose = []
        lsPointsChoose = []
        print(len(tpPointsChoose))
        for i in range(len(tpPointsChoose) - 1):
            print('i', i)
            cv2.line(img2, tpPointsChoose[i], tpPointsChoose[i + 1], (0, 0, 255), 2)
        cv2.imshow('src', img2)
 
    # -------------------------双击 结束选取-----------------------------
    if event == cv2.EVENT_LBUTTONDBLCLK: 
    # -----------绘制感兴趣区域-----------
        ROI_byMouse()
        ROI_bymouse_flag = 1
        lsPointsChoose = []
        
 
def ROI_byMouse():
    global src, ROI, ROI_flag, mask2
    mask = np.zeros(img.shape, np.uint8)
    pts = np.array([lsPointsChoose], np.int32)  # pts是多边形的顶点列表（顶点集）
    pts = pts.reshape((-1, 1, 2))
    # 这里 reshape 的第一个参数为-1, 表明这一维的长度是根据后面的维度的计算出来的。
    # OpenCV中需要先将多边形的顶点坐标变成顶点数×1×2维的矩阵，再来绘制
 
    # --------------画多边形---------------------
    mask = cv2.polylines(mask, [pts], True, (255, 255, 255))
    ##-------------填充多边形---------------------
    mask2 = cv2.fillPoly(mask, [pts], (255, 255, 255))
    cv2.imshow('mask', mask2)
    cv2.imwrite('mask.jpg', mask2)
    image,contours, hierarchy = cv2.findContours(cv2.cvtColor(mask2, cv2.COLOR_BGR2GRAY), cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    ROIarea = cv2.contourArea(contours[0])
    print("ROIarea:",ROIarea)
    ROI = cv2.bitwise_and(mask2, img)
    cv2.imwrite('ROI.jpg', ROI)
    cv2.imshow('ROI', ROI)
 
img = cv2.imread('3.png')
# ---------------------------------------------------------
# --图像预处理，设置其大小
# height, width = img.shape[:2]
# size = (int(width * 0.3), int(height * 0.3))
# img = cv2.resize(img, size, interpolation=cv2.INTER_AREA)
# ------------------------------------------------------------
ROI = img.copy()
cv2.namedWindow('src')
cv2.setMouseCallback('src', on_mouse)
cv2.imshow('src', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

您可根据需求扩展更多功能。附：鼠标点击事件相关常量说明：


'''
EVENT_FLAG_ALTKEY = 32  摁住Alt
EVENT_FLAG_CTRLKEY = 8  摁住Ctrl
EVENT_FLAG_LBUTTON = 1  摁住左键
EVENT_FLAG_MBUTTON = 4  摁住中键
EVENT_FLAG_RBUTTON = 2  摁住右键
EVENT_FLAG_SHIFTKEY = 16 摁住Shift
EVENT_LBUTTONDBLCLK = 7  左键双击
EVENT_LBUTTONDOWN = 1  左键击下
EVENT_LBUTTONUP = 4   左键弹起
EVENT_MBUTTONDBLCLK = 9  中键双击
EVENT_MBUTTONDOWN = 3  中键击下
EVENT_MBUTTONUP = 6   中键弹起
EVENT_MOUSEHWHEEL = 11  滚动条向左，flags>0。向右，flags<0
EVENT_MOUSEMOVE = 0   鼠标移动
EVENT_MOUSEWHEEL = 10  滚动条向上，flags>0。向下，flags<0
EVENT_RBUTTONDBLCLK = 8  中键双击
EVENT_RBUTTONDOWN = 2  中键击下
EVENT_RBUTTONUP = 5   中键弹起
'''

本文关于Python+OpenCV分割不规则ROI区域的方法介绍至此结束，更多相关内容可搜索本站往期文章或浏览后续更新，感谢支持。