### 实现焊缝图像中ROI区域的提取 为了从焊缝图像中提取感兴趣的区域（ROI），可以采用多种计算机视觉技术。一种常见的方式是从已处理过的轮廓图中获取轮廓点集，进而定义并裁剪出ROI。 #### 使用OpenCV库进行ROI提取 通过`cv2.findContours()`函数可以从二值化后的图像中找到所有轮廓，并利用这些轮廓来定位焊缝的具体位置[^1]。下面是一个具体的实现方案： ```python import cv2 import numpy as np def getPntLst_fromContourImg(contour_image): """ 从给定的轮廓图中提取完整的轮廓点集合。 参数: contour_image (numpy.ndarray): 输入的灰度或二值化的轮廓图像 返回: list[numpy.ndarray]: 轮廓点列表 """ contours, _ = cv2.findContours(contour_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) return contours def extract_roi(image_path, contour_threshold=100): """ 提取焊缝图像中的感兴趣区域(ROI)。 参数: image_path (str): 原始焊缝图片路径 contour_threshold (int): 边缘检测阈值，默认为100 返回: tuple(numpy.ndarray, list[numpy.ndarray]): ROI图像及其对应的边界框坐标 """ # 加载原始图像并转换成灰度模式 img = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE) # 应用Canny算子做边缘检测 edges = cv2.Canny(img, threshold1=contour_threshold//2, threshold2=contour_threshold*2) # 获取轮廓点集 cnts = getPntLst_fromContourImg(edges) rois = [] bboxes = [] for c in cnts: # 计算最小包围矩形 x,y,w,h = cv2.boundingRect(c) # 过滤掉过小的对象 if w*h < 50: continue roi = img[y:y+h,x:x+w] rois.append(roi) bboxes.append((x,y,w,h)) return rois, bboxes ``` 此代码片段展示了如何读入一张焊缝照片，对其进行预处理以突出显示潜在的焊接线，再基于得到的轮廓信息精确地切割出各个可能代表实际焊道的部分作为最终的兴趣区。