要利用 OpenCV 按黑色面积占比来区分花椒和黑籽，可以按照以下步骤实现： 1. **图像预处理**：读取图像并将其转换为灰度图。 2. **二值化处理**：将图像进行二值化处理，以便更容易区分黑色区域。 3. **计算黑色面积占比**：统计每个物体的黑色像素占总面积的比例。 4. **分类**：根据黑色面积占比设定阈值，判断是花椒还是黑籽。 以下是使用 Python 和 OpenCV 实现的代码示例： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('peppercorns.jpg') # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 二值化处理，黑色区域为255（白色），其他为0（黑色） _, binary = cv2.threshold(gray, 50, 255, cv2.THRESH_BINARY_INV) # 查找轮廓 contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 遍历每个轮廓 for contour in contours: # 计算轮廓的面积 area = cv2.contourArea(contour) # 创建一个掩码来提取当前轮廓的区域 mask = np.zeros_like(gray) cv2.drawContours(mask, [contour], -1, 255, thickness=cv2.FILLED) # 提取当前轮廓区域的二值图像 object_binary = cv2.bitwise_and(binary, binary, mask=mask) # 计算黑色像素的数量 black_pixel_count = np.sum(object_binary == 255) # 计算黑色面积占比 black_ratio = black_pixel_count / area # 根据黑色面积占比分类 if black_ratio > 0.5: # 假设黑色面积占比大于50%为黑籽 cv2.drawContours(image, [contour], -1, (0, 0, 255), 2) # 红色表示黑籽 else: cv2.drawContours(image, [contour], -1, (0, 255, 0), 2) # 绿色表示花椒 # 显示结果 cv2.imshow('Result', image) cv2.waitKey(0) cv2.destroyAllWindows() ``` ### 上述代码解释： 1. **图像预处理**：首先读取图像并将其转换为灰度图，便于后续处理。 2. **二值化处理**：通过 `cv2.threshold` 函数将图像进行二值化处理，设置阈值为 50，低于该值的像素视为黑色区域。 3. **查找轮廓**：使用 `cv2.findContours` 查找图像中的所有轮廓。 4. **计算黑色面积占比**：对于每个轮廓，创建一个掩码并提取其对应的二值图像，然后计算黑色像素数量与总面积的比例。 5. **分类**：根据黑色面积占比设定阈值（例如 50%），判断是花椒还是黑籽，并用不同颜色标记。 ### 注意事项： - 阈值 `50` 和黑色面积占比阈值 `0.5` 可能需要根据实际图像调整。 - 如果图像中有噪声，可以在二值化之前使用高斯模糊或中值滤波进行去噪。 ---