计算机视觉的课程实验做到第五个，多半会落在图像分割上。前四个实验练的是滤波、边缘、特征点匹配这类“处理像素”的活，图像分割则是第一次逼着你给每个像素一个归属判断，这是从“看图”跨到“理解图”的第一道门槛。我带的几届学生里，凡是前面卷积、阈值、形态学基础打得实的，这次实验基本一下午能跑通；基础虚的，往往卡在“为什么我的掩膜全是噪点”这种问题上耗掉一整周。这篇就按我自己跑实验、改代码、给学生排查问题的实际顺序，把图像分割这件事从任务边界、方法选型、参数计算到踩坑排查完整梳理一遍，适合刚上完理论课要交实验报告的同学、想先把传统方法补齐再上深度模型的转行者，以及需要在质检、医学影像预处理、遥感地块提取这类场景里快速搭个原型的工程师参考。
1. 实验到底在练什么：先划清图像分割的任务边界
1.1 分割、分类、检测三者不是一回事
很多人第一次接触图像分割，会把它和图像分类混着理解，结果代码写到一半发现评价指标对不上。图像分类输出的是一个（或一组）整图级别的标签，比如“这张图里有猫”；目标检测输出的是若干矩形框加类别，回答“猫在哪、多大”；图像分割输出的是与原图等尺寸的掩膜（mask），逐像素回答“这个像素属于猫还是属于背景”。三者的输出粒度依次变细，标注成本也依次陡增，一张图分类标注几秒钟，像素级分割标注可能要几十分钟，这个成本差异直接决定了你在实验里能拿到什么样的数据规模。
再往下细分，语义分割只关心类别，同一类别的多个目标会连成一片，比如两张并排的树叶在掩膜里是同一块区域；实例分割要把同类目标的个体区分开，树叶A和树叶B各算一个连通块；全景分割则是前两者的合并，既区分类别也区分个体。实验五这类课程作业，绝大多数落在语义分割或者“前景/背景”二值分割上，因为这两类的标注和评估都最省事。
理解了这个边界，你才会明白为什么实验里用 Otsu 阈值法处理一张对比度尚可的树叶图效果不错，换成一张有五六片叶子互相遮挡的图就崩了——阈值法本质上是按灰度分布切一刀，它压根没有“个体”这个概念，粘连区域必然连在一起。这不是参数没调好，是方法的能力边界到了。
1.2 一条能跑通的分割流水线长什么样
我习惯把一次完整的分割任务拆成六段，这个结构在传统方法和深度方法之间是通用的，只是每段的实现手段不同：读入与色彩空间转换、预处理抑制干扰、粗分割得到初始掩膜、后处理修补掩膜、连通域分析或标记点修正、评估与可视化。很多人代码写得乱，是因为跳过了“后处理”和“连通域分析”这两步，直接从粗分割跳到输出，结果掩膜里全是孤立的噪点和小洞，看起来像方法失效，其实是流水线缺环。
预处理这一步最容易被轻视。高斯滤波的核尺寸和标准差决定了你能压掉多细的噪声，同时也决定了边缘被模糊到什么程度。我的经验是核尺寸不要超过目标物体短边的十分之一，比如一片宽度约 200 像素的叶子，5×5 到 7×7 的核足够，上到 15×15 边缘就会糊得连 Canny 都找不到。色彩空间转换也不是可选项：在 RGB 空间里做阈值，光照一变三个通道同时漂移，很难定；转到 HSV 只看 H 和 S，或者转到 Lab 只看 a、b 两个色度通道，光照的干扰会被压掉一大截。
粗分割是整条流水线的核心，方法选择取决于三个现实条件：目标与背景的对比度够不够、目标之间是否粘连、你有没有人工交互的预算。对比度高、目标独立、预算为零，Otsu 阈值就够；目标粘连严重，就得上距离变换加分水岭；目标颜色和背景接近但你能框一个矩形，GrabCut 会比手工调阈值省力得多。这个判断不需要多深的数学，但需要你在动手写代码前花五分钟看一眼直方图和原图。
1.3 方法选型的三条判断线
我把选型逻辑整理成三条线，基本能覆盖实验里遇到的九成情况。第一条是对比度线：把图转成灰度后画直方图，如果是明显的双峰，两峰之间有深谷，Otsu 基本稳；如果直方图是单峰偏斜或者多峰杂乱，说明目标和背景灰度重叠，纯阈值法注定切不干净，得换色彩通道或者上聚类。第二条是粘连线：数一下目标是不是挨着。挨着就得考虑分水岭，因为阈值法切不开物理上相连的东西。第三条是交互线：能不能接受人工画一个框或者点几笔。能，GrabCut 和区域生长就是性价比极高的选择；不能，就得回到全自动的阈值、聚类、超像素路线。
| 方法 | 适用场景 | 主要参数 | 典型失效情况 |
|---|---|---|---|
| 全局阈值 / Otsu | 前景背景灰度分布可分 | 阈值 t | 光照不均、目标内部灰度跨度大 |
| 自适应阈值 | 局部光照不均 | blockSize、C | 大面积平坦区域产生噪点 |
| Canny + 形态学 | 边缘清晰、目标闭合 | 双阈值、核尺寸 | 边缘断裂、弱边界丢失 |
| K-means 聚类 | 颜色区分明显的多类 | K、色彩空间 | 类别边界模糊、K 选错 |
| 分水岭 | 目标粘连、近似圆形 | 距离阈值、标记点 | 过分割、标记点缺失 |
| GrabCut | 有矩形框或涂鸦交互 | 迭代次数、初始框 | 框内混入背景、边界色差小 |
2. 环境与数据准备：一半的坑其实埋在这里
2.1 依赖选型与版本踩坑
实验里最常用的两个库是 OpenCV 和 scikit-image，前者偏工程、函数命名以 cv2 开头，后者偏算法、接口更 Pythonic。我的建议是两个都装，不要试图只用其中一个：OpenCV 的形态学、距离变换、连通域统计写得很顺手，scikit-image 的超像素、区域邻接图、部分评价函数更好用。安装层面，opencv-python 和 opencv-contrib-python 不要同时装，贡献模块的函数（比如某些特征检测和 saliency）在 contrib 包里，两者共存容易出现函数找不到或者行为不一致的问题，卸载干净再装 contrib 版本更稳妥。
版本差异带来的坑集中在两个地方。一个是 dtype 和取值范围：OpenCV 的很多函数只接受 uint8 或 float32，且 float32 输入时约定取值范围是 0 到 1，你传一个 0 到 255 的 float32 进去，函数不会报错，但结果会莫名其妙全白或者全黑。另一个是通道顺序：cv2.imread 读进来是 BGR，matplotlib 的 imshow 默认按 RGB 显示，直接画出来红蓝互换，你会以为自己色彩空间转错了，实际上是显示环节的问题。我现在的固定做法是读图后立刻做一次显式转换并统一命名，bgr 变量归 OpenCV 用，rgb 变量归可视化用，中间不混。
import cv2 import numpy as np import matplotlib.pyplot as plt bgr = cv2.imread('leaf.jpg', cv2.IMREAD_COLOR) rgb = cv2.cvtColor(bgr, cv2.COLOR_BGR2RGB) gray = cv2.cvtColor(bgr, cv2.COLOR_BGR2GRAY) print(bgr.shape, bgr.dtype, gray.shape, gray.dtype)另一类高频报错来自cv2.threshold、cv2.distanceTransform这类函数对输入格式的苛刻要求：阈值函数要求单通道 8 位或 32 位浮点，灰度图直接喂进去没问题，但你如果把三通道图或者 0 到 1 归一化后的浮点图丢进去，要么报错，要么得到一堆无意义的 0 和 255。养成习惯，调用前打印一下img.shape和img.dtype，能省掉大量靠猜的调试时间。
2.2 数据准备与预处理的关键参数
实验用的图通常来自公开数据集或者自己拍的照片，第一件事是统一尺寸。尺寸不统一会导致后面所有基于像素数的参数（比如面积过滤阈值、形态学核尺寸、连通域最小面积）失去可比性。我的做法是把长边缩放到 512 或 768，保持长宽比，缩放用cv2.INTER_AREA而不是默认的双线性，缩小时它的抗混叠效果更好，能减少细小结构被采样成噪点。
灰度化方式也值得说一句。cv2.cvtColor用的是加权公式，绿色权重最高，符合人眼亮度感知；如果你直接用三个通道求平均，对绿色敏感的目标会变暗，阈值也就跟着漂。这不是吹毛求疵，在树叶、植被这类以绿色为主的图上，两种灰度化方式能让 Otsu 的阈值相差十几级，分割结果肉眼可见地不同。实验报告里写清楚你用了哪种灰度化，是个加分细节。
光照不均的处理有两个方向。一是直方图均衡化，全局拉对比度，简单但对局部过曝区域无效，甚至会放大噪声；二是 CLAHE，分块做均衡并限制对比度增强倍数，clipLimit 一般设 2 到 4，tileGridSize 设 8×8，对医学影像和显微图像效果明显。我一般会在预处理阶段把原图、CLAHE 后的图、两者的直方图并排画出来，这个对比图放进报告里非常有说服力，因为它直观解释了“我为什么要加这一步”。
3. 经典方法逐个拆：每个方法的脾气都得摸清
3.1 全局阈值与 Otsu：它到底在优化什么
Otsu 的核心不是“找一个好看的阈值”，而是在遍历所有可能阈值的过程中，最大化前景类和背景类之间的方差。设阈值 t 把灰度分成两类，第一类像素占比 ω₀、均值 μ₀，第二类占比 ω₁、均值 μ₁，全局均值 μ_T，那么类间方差可以写成 σ² = ω₀ω₁(μ₀ − μ₁)²。这个式子很直观：两类占比越均衡、两类均值差得越远，方差越大，说明分得越开。Otsu 就是在 0 到 255 里找让这个值最大的 t。
理解了这个，你就知道 Otsu 什么时候会失败。当前景像素只占整图很小一部分时，ω₀ 和 ω₁ 严重失衡，乘积项被压得很小，阈值会被拉向背景侧，前景被切掉一大块。当目标内部灰度跨度大（比如一片叶子有高光有阴影），类内方差本身就很大，Otsu 假设的“两类各自聚集”不成立，切出来的掩膜会带很多空洞。这两种失效在实际图上极其常见，不要一出问题就怀疑代码。
自己手写一遍 Otsu 比调库更能看清细节，也方便你在报告里展示计算过程：
def otsu_manual(gray): hist = cv2.calcHist([gray], [0], None, [256], [0, 256]).ravel() total = gray.size sum_all = np.dot(np.arange(256), hist) w0, sum0, best_var, best_t = 0.0, 0.0, -1.0, 0 for t in range(256): w0 += hist[t] if w0 == 0: continue w1 = total - w0 if w1 == 0: break sum0 += t * hist[t] mu0 = sum0 / w0 mu1 = (sum_all - sum0) / w1 var_between = w0 * w1 * (mu0 - mu1) ** 2 if var_between > best_var: best_var, best_t = var_between, t return best_t注意：手写版本返回的阈值与
cv2.threshold(..., cv2.THRESH_OTSU)可能差 1，原因是 OpenCV 内部对直方图的首尾做了细微处理。做实验报告时说明这一点，比强行对齐更有价值。
3.2 自适应阈值：把一刀切成一片小刀
光照不均的场景，全局阈值必败。自适应阈值把图分成 blockSize × blockSize 的小块，每块单独算阈值，实际取的是该块邻域的加权均值或高斯加权均值减去常数 C。blockSize 必须是大于 1 的奇数，C 是从均值里减掉的偏置，C 越大，被判为前景的像素越少。
这两个参数怎么定，我的经验是：blockSize 取目标物体典型宽度的 1 到 2 倍，太小会把物体内部切成斑马纹，太大就退化成全局阈值；C 取 5 到 15 之间，先给 10 试。判断标准很直接，跑完之后看大面积平坦背景区域有没有出现细碎噪点，有就加大 blockSize 或者加大 C；看目标内部有没有被掏空，有就减小 C。
blur = cv2.GaussianBlur(gray, (5, 5), 0) adap = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, blockSize=31, C=10)用THRESH_BINARY_INV是因为后面接距离变换和分水岭时，通常约定前景为白色、值为 255。这个约定如果不统一，后面每一步都会反过来，调试起来极其痛苦。
3.3 Canny 双阈值怎么定才有依据
Canny 的流程是高斯平滑、计算梯度幅值和方向、非极大值抑制、双阈值滞回。真正难调的是最后一步的两个阈值：梯度大于高阈值的点直接确认为边缘，低于低阈值的点直接丢弃，处于两者之间的点只有在连到高阈值点时才保留。高阈值定太高，边缘断续，物体的轮廓闭合不了；定太低，纹理和噪声全被当成边缘。
我见过太多人靠试，从 50/150 试到 100/200。有更靠谱的做法：用图像梯度幅值的中位数做基准，低阈值取中位数的 0.66 倍，高阈值取 1.33 倍，这是经验上比较稳的起点。如果你的图噪声较多，把系数收紧到 0.5 和 1.5；如果目标是低对比度的弱边界，放宽到 0.8 和 1.2。
median = np.median(blur) low = int(max(0, 0.66 * median)) high = int(min(255, 1.33 * median)) edges = cv2.Canny(blur, low, high)提示：Canny 出来的是一像素宽的边缘线，不是实心区域。要拿去算面积、算 IoU，必须先做闭运算或者用轮廓填充（
cv2.findContours加cv2.drawContours的 thickness=-1），否则你的“掩膜”面积只有真实面积的百分之几，IoU 会低得离谱而且找不到原因。
3.4 形态学与连通域：把碎片拼回完整目标
形态学在这里的作用不是炫技，是修补。开运算（先腐蚀后膨胀）去掉小的孤立噪点和毛刺，闭运算（先膨胀后腐蚀）填上目标内部的小洞和断裂。核的形状和尺寸决定了修补的尺度：核取 3×3，能修掉三五像素的缺陷；取 7×7 及以上，小目标会被直接抹掉。迭代次数和核尺寸是两个独立维度，iterations=2 配 3×3 核，效果约等于 5×5 核迭代一次，但前者对细节的保留更好，我一般优先调迭代次数。
连通域分析是分割结果“结构化”的关键一步。cv2.connectedComponentsWithStats会返回每个连通块的标签图、外接矩形、面积和质心。有了面积，你就可以做最小面积过滤，把噪点团去掉；有了质心，你就可以判断目标之间是否粘连（两个质心落在同一个标签块里，说明该块是两个目标融合）。这一步几乎是所有传统分割流水线的标配，跳过它，后面所有分析都建立在不可靠的碎片上。
kernel = np.ones((3, 3), np.uint8) mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=2) mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1) num, labels, stats, centroids = cv2.connectedComponentsWithStats(mask, connectivity=8) clean = np.zeros_like(mask) min_area = 200 for i in range(1, num): if stats[i, cv2.CC_STAT_AREA] >= min_area: clean[labels == i] = 255min_area 这个阈值不能拍脑袋。我的做法是统计所有连通块的面积分布，画个小直方图，噪点团和真实目标之间通常有明显断层，断层位置就是阈值。如果遇到单个大目标被拆成几块、或者几个目标粘成一块的情况，说明前面步骤的参数需要回头调，而不是在这里用一个中间值硬凑。
3.5 分水岭与距离变换：过分割的根源在哪
分水岭是处理粘连目标的主力方法。它的直觉是：把灰度图当成地形，亮度高低对应海拔，从低处注水，水洼之间形成的分界线就是分割边界。直接对梯度图跑分水岭，会因为每个局部极小值都变成一个“洼地”而严重过分割，一张图出来几百个小区域，所以必须用标记点（marker）控制注水起点。
标记点的生成靠距离变换。距离变换计算每个前景像素到最近背景像素的距离，目标中心的距离值最大，越靠边缘越小。用“距离最大值乘以一个系数”做阈值，得到的局部极大值区域大致对应每个目标的中心，这些区域拿去当分水岭的种子点，就能把粘连的团块切开。
dist = cv2.distanceTransform(opening, cv2.DIST_L2, 5) dist_norm = cv2.normalize(dist, None, 0, 1.0, cv2.NORM_MINMAX) _, sure_fg = cv2.threshold(dist_norm, 0.5, 1.0, cv2.THRESH_BINARY) sure_fg = np.uint8(sure_fg * 255) sure_bg = cv2.dilate(opening, kernel, iterations=3) unknown = cv2.subtract(sure_bg, sure_fg)那个 0.5 的系数是分水岭最关键的参数。取 0.6、0.7，种子点太少，粘连的两个目标只出一个种子，切不开；取 0.3、0.2，种子点太多，一个目标内部冒出好几个种子，切成碎片。经验上 0.4 到 0.6 覆盖大部分情况，但如果目标大小差异悬殊（比如图里既有大块又有小块），固定系数必然顾此失彼，这时应该按目标尺度归一化，或者改用 h-maxima 提取局部极大值，让每个极大值的相对高度差超过 h 才被认定为独立种子。
注意：
cv2.watershed会原地修改传入的 markers 图，边界像素被置为 -1。如果你直接拿 markers 去做可视化，注意先把 -1 单独标出来，否则颜色映射会出错。另外 watershed 要求输入是 8 位三通道，灰度图记得先cv2.cvtColor转过去。
3.6 K-means 与超像素：无监督聚类的适用边界
K-means 分割的本质是把颜色空间当成特征空间做聚类，每个像素是一个三维样本（L、a、b 或者 H、S、V），聚类中心是各簇的颜色均值，最后把标签映射回图像空间。它不看空间位置，所以同一种颜色的两个不连通区域会归到同一类——这既是优点（能提取相隔很远但颜色一致的目标）也是缺点（不区分个体）。
lab = cv2.cvtColor(bgr, cv2.COLOR_BGR2LAB) Z = lab.reshape((-1, 3)).astype(np.float32) criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 20, 1.0) K = 4 _, labels, centers = cv2.kmeans(Z, K, None, criteria, 5, cv2.KMEANS_PP_CENTERS) seg = labels.reshape(lab.shape[:2])K 怎么选是个真问题。实验里可以先跑 K=2 到 6，把每个 K 的结果拼成一张宫格图肉眼比，再配合手肘法看聚类误差随 K 下降的拐点。我自己的习惯是：如果目标颜色单一、背景颜色也单一，K=2 或 3 就够；如果图里有阴影、高光、反光，K 要加到 5 以上才能把阴影单独分出来，否则阴影会被并进目标类里，导致面积偏大。
超像素（SLIC 是代表）思路不同，它把图切成几百个颜色相近、空间相邻的小块，作为后续处理的中间单元。参数就两个：n_segments 控制块的数量，compactness 控制块的规整程度。compactness 越大块越方，越小越贴合颜色边界。超像素本身不是最终分割结果，它是把像素级的计算降到区域级的降维手段，在区域邻接图上做合并或者给 GrabCut 提供初始区域，才是它真正的用法。
3.7 GrabCut：一次框选能到什么程度
GrabCut 是基于图割的交互式分割，用一个矩形框标出目标大致位置，框外全判为背景，框内用高斯混合模型分别建模前景和背景的颜色分布，然后迭代优化像素标签。它最大的价值是几乎不用调阈值，给个框就能出结果，特别适合颜色和背景接近、纯阈值法切不动的图。
关键参数是迭代次数，一般 5 次就收敛得差不多，继续加收益很小。矩形框的松紧度影响很大：框得太紧，目标边缘会被划进背景先验；框得太松，框内混入大量背景像素，颜色模型被污染。我的经验是框比目标外接矩形各边多留 5 到 15 像素，让模型有足够的背景样本可学。
mask = np.zeros(bgr.shape[:2], np.uint8) bgd, fgd = np.zeros((1, 65), np.float64), np.zeros((1, 65), np.float64) rect = (40, 30, 380, 420) cv2.grabCut(bgr, mask, rect, bgd, fgd, 5, cv2.GC_INIT_WITH_RECT) binary = np.where((mask == cv2.GC_FGD) | (mask == cv2.GC_PR_FGD), 1, 0).astype('uint8')GrabCut 的掩膜有四种取值：确定背景 0、确定前景 1、可能背景 2、可能前景 3。最终二值化时，要把确定前景和可能前景都算作 1，只取确定前景往往只剩目标最核心的一小块。如果一次框选效果不满意，可以再跑一轮GC_INIT_WITH_MASK，把明显分错的区域手工涂成确定前景或确定背景，这是提升效果最直接的手段。
4. 实操过程：从一张原图到一份可交付的掩膜
4.1 完整流程的设计顺序
拿到一张粘连的、光照略有不均的图，我会按这个顺序走：读入并转 RGB 与灰度、CLAHE 压光照、高斯滤波降噪、在 Lab 空间试 K-means 或者先用 Otsu 得到粗略二值、形态学开闭交替修补、距离变换生成种子点、分水岭切开粘连、连通域面积过滤去掉碎片、最后把掩膜叠加回原图做可视化。这个顺序的道理在于，每一步都在为下一步创造更好的输入条件：不压光照，阈值就会切偏；不做形态学，距离变换会被毛刺干扰；不做连通域过滤，评估指标会被噪点拉低。
中间结果的保存非常重要。我要求自己每一步都cv2.imwrite存一张中间图，命名带序号。出问题的时候，把这一串图按顺序摊开看，一眼就能定位是哪一步开始崩的。这个习惯在排查“结果全黑”“结果全白”这类问题时几乎是唯一高效的手段。
4.2 关键环节的代码与参数落地
把上面的方法串起来，主流程大概长这样：
def segment_pipeline(path, min_area=200, seed_ratio=0.5): bgr = cv2.imread(path, cv2.IMREAD_COLOR) scale = 768 / max(bgr.shape[:2]) bgr = cv2.resize(bgr, None, fx=scale, fy=scale, interpolation=cv2.INTER_AREA) lab = cv2.cvtColor(bgr, cv2.COLOR_BGR2LAB) l, a, b = cv2.split(lab) l = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8, 8)).apply(l) gray = cv2.cvtColor(cv2.merge([l, a, b]), cv2.COLOR_LAB2BGR) gray = cv2.cvtColor(gray, cv2.COLOR_BGR2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) _, th = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) kernel = np.ones((3, 3), np.uint8) opening = cv2.morphologyEx(th, cv2.MORPH_OPEN, kernel, iterations=2) dist = cv2.distanceTransform(opening, cv2.DIST_L2, 5) _, sure_fg = cv2.threshold(dist, seed_ratio * dist.max(), 255, 0) sure_fg = np.uint8(sure_fg) sure_bg = cv2.dilate(opening, kernel, iterations=3) unknown = cv2.subtract(sure_bg, sure_fg) _, markers = cv2.connectedComponents(sure_fg) markers = markers + 1 markers[unknown == 255] = 0 markers = cv2.watershed(bgr, markers) mask = np.zeros(blur.shape, np.uint8) mask[markers > 1] = 255 num, labels, stats, _ = cv2.connectedComponentsWithStats(mask, connectivity=8) clean = np.zeros_like(mask) for i in range(1, num): if stats[i, cv2.CC_STAT_AREA] >= min_area: clean[labels == i] = 255 return bgr, clean这段代码里有两处值得单独说。第一处是标记点位移：markers = markers + 1把背景从 0 变成 1，是因为分水岭把 0 当作“未知区域”的标记，而连通域函数的背景标签恰好是 0，不 +1 会冲突，导致背景被当成未知区域重新注水，结果完全乱掉。第二处是mask[markers > 1]，因为 1 是背景标签，大于 1 的才是分水岭切出来的区域，边界是 -1 不在这个范围内，正好被排除。
4.3 参数计算过程要写进报告
实验报告里最有价值的部分不是“我调到了什么参数”，而是“我为什么这么算”。以本次为例，图像长边缩放到 768 后，目标叶片短边约 220 像素，据此定下几个数：高斯核取 5×5，因为 5 小于 220 的十分之一，既能压噪又不糊边；自适应阈值的 blockSize 取 31，约等于目标短边的七分之一，块内有足够的局部统计量；Canny 的低阈值取灰度中位数的 0.66 倍，实测中位数约 96，得到低阈值 63、高阈值 128；距离变换的种子阈值系数取 0.5，因为目标近似圆形，中心距离值约为半径的 0.9 倍，取 0.5 倍最大距离能把种子限制在核心区域，既不切碎也不漏切；min_area 取 200，来源于连通域面积分布中噪点团（普遍小于 60）和真实目标（普遍大于 400）之间的断层。
这套推法不是唯一答案，但它把“试参数”变成了“估参数”，换个场景也能迁移。比如换成目标短边 60 像素的小目标图，高斯核就要压到 3×3，blockSize 压到 15，min_area 压到 30，整套参数跟着尺度走，而不是记住一堆魔数。
4.4 评估：IoU 和 Dice 到底怎么算
有了人工标注的真值掩膜 gt 和预测掩膜 pred，先确认两者都是单通道二值图且尺寸一致，再统一用 0/1 表示，避免 0/255 混用导致逻辑运算出错。然后按定义算交并比和 Dice 系数：
def iou_dice(pred, gt): p = (pred > 0).astype(np.uint8) g = (gt > 0).astype(np.uint8) inter = np.logical_and(p, g).sum() union = np.logical_or(p, g).sum() iou = inter / union if union else 0.0 denom = p.sum() + g.sum() dice = 2 * inter / denom if denom else 0.0 return iou, dice多类别场景算的是 mIoU，即每一类单独算 IoU 再取平均。这里有两个容易被忽略的细节：一是标注里常有“忽略区域”（比如物体边界一圈难以判定的像素），在计算前要把这些像素从分子分母里剔除，否则高质量的分割反而会被惩罚；二是边界宽容度，严格逐像素比对对小目标很不友好，偏移一个像素 IoU 就掉一大截，实践中常用“把 gt 做一次小核膨胀后再比”作为宽容版本，两个数值都报出来更客观。
需要提醒的是，指标高低不等于结果好坏。IoU 0.75 的掩膜如果边缘全是锯齿，在面积测量任务里可能还不如 IoU 0.70 但边缘光滑的结果。评估要结合任务目的看，这也是实验报告里能体现思考深度的地方。
5. 常见问题与排查技巧实录
5.1 症状、原因、对策速查
实验里九成的报错和异常结果都集中在下面这张表里。我的建议是遇到问题先查表，再动手改代码，别一上来就随便改参数，改乱了连基线都没了。
| 症状 | 常见原因 | 排查与对策 |
|---|---|---|
| 结果掩膜全黑 | 阈值方向反了，或二值化后未乘 255 | 检查 THRESH_BINARY 与 INV，打印唯一值 |
| 结果掩膜全白 | 阈值过高把背景也算成前景 | 打印 Otsu 返回的阈值，对照直方图 |
| 图显示红蓝互换 | BGR 与 RGB 混用 | 可视化前统一转 RGB |
| 分水岭把图切得稀碎 | 种子点过多或未用标记点 | 提高 seed_ratio，检查 distanceTransform 输入 |
| 粘连目标切不开 | 距离变换阈值过高，种子合并 | 降低 seed_ratio，或用 h-maxima |
| Canny 边缘断裂 | 高阈值过高或预平滑不足 | 用中位数法重定阈值，加大高斯核 |
| 掩膜面积远小于目测 | 用了边缘图当掩膜 | 闭运算或者轮廓填充 |
| 连通域数量异常多 | 噪点未清，或前一步阈值过碎 | 加大开运算迭代，提高 min_area |
| 换一张图效果崩 | 参数写死，未随尺度调整 | 参数按图像短边比例重新计算 |
5.2 我踩过的几个坑
第一个坑是把边缘图直接当掩膜。Canny 出来的一像素边缘，拿去算面积只有真实值的百分之几，IoU 算出来 0.03，我一度以为是自己评估代码写错了，翻来覆去查了半天才发现问题在输入。正确做法是先用findContours找轮廓，再用drawContours填充成实心区域，或者干脆对边缘做闭运算让它闭合后填充。
第二个坑是GrabCut 的掩膜取值理解错。早期我写binary = (mask == 1)，结果只拿到了最核心的一小块，边缘一圈全丢了，还以为是 GrabCut 效果不好。后来才明白GC_PR_FGD（值为 3）也是前景，只是置信度低。现在我的写法固定是np.where((mask == 1) | (mask == 3), 1, 0)。
第三个坑是距离变换的输入格式。cv2.distanceTransform要求输入是 8 位单通道二值图，前景为非零。如果你传进去的是形态学处理后的 0/255 图，没问题；但如果传的是浮点图或者三通道图，行为不可预期。更隐蔽的是，如果前景不是白色而是某个中间灰度值，距离变换仍然会把它当非零处理，但二值化阈值那一步可能就出错了，建议在调用前统一mask = np.where(mask > 0, 255, 0).astype(np.uint8)。
第四个坑是评估时的尺寸对齐。真值掩膜是原图尺寸，预测掩膜经过缩放，两者直接做逻辑运算会广播报错或者静默算出错误结果。现在我固定在做评估前加一行 assert 检查 shape 相等，宁可报错也不要错得无声无息。
第五个坑是过度依赖单一方法。有一次做叶片分割，Otsu 怎么调都切不干净，我花了两小时调参，最后换成 Lab 空间 K-means 加连通域过滤，十分钟就出结果。教训是：一种方法连续调三次参数都没明显改善，就说明方法选错了，该换，别在不合适的工具上死磕。
6. 从实验报告走向可复用的工程片段
6.1 传统方法的天花板与深度模型的衔接
传统分割方法的上限很清楚：它依赖手工设计的特征（灰度、颜色、梯度、距离），泛化能力弱，换一个光照条件、换一种目标外观，参数就得重调。图像分割这类实验的价值不在于让你用 Otsu 解决所有问题，而在于让你亲手感受“为什么像素级分类这么难”，这个直觉是理解深度分割模型的前提。
比如 U-Net 这类编码器-解码器结构，它做的事本质上和本文的流水线是一样的：编码器负责提取多尺度特征（相当于你的色彩空间转换和梯度计算），解码器负责把特征映射回原图尺寸（相当于你的掩膜重建），跳跃连接负责把浅层的位置信息补回去（相当于你的形态学修补和边缘约束）。理解了传统方法每一步在解决什么问题，你再看损失函数里的 Dice Loss、看后处理里的条件随机场，就知道它们补的是哪一块短板。
衔接的路径也很明确：先用传统方法把数据跑一遍，得到粗标注，人工修正后作为训练集的预标注；模型训出来之后，再用传统方法做后处理约束（比如最小面积过滤、孔洞填充），两者不冲突，反而互补。
6.2 参数固化与批量验证
实验只跑一张图，写完报告就结束，这是最大的浪费。我建议多做一步：把参数写成函数入参，然后批量跑组里十几个样本，记录每张图的 IoU 和最终用到的参数。跑完你会发现有些参数在图与图之间几乎不变（比如 seed_ratio 稳定在 0.45 到 0.55），有些参数波动很大（比如 min_area 随目标大小变化几倍）。前者可以直接固化成默认值，后者必须改成自适应计算，比如按图像短边的平方乘一个比例系数。
再进一步，可以做一个简单的参数扫描脚本，对 seed_ratio 和 min_area 在合理区间内网格搜索，把 IoU 热力图画出来。热力图上看一眼就能发现“哪个参数更敏感”“最佳区域是不是一个陡峭的尖峰”。如果是尖峰，说明这个参数很脆弱，往工程上走要慎重；如果是平缓的高原，说明鲁棒性不错，可以考虑上线。这个思路放在任何分割任务上都通用，不只是课程实验。
我自己带实验的体会是，学生之间的差距几乎不在代码能力上，而在两个地方：一是肯不肯把中间结果存下来摊开看，二是遇到效果不好时是继续盲调还是回去检查输入格式。前一种习惯能让你在半小时内定位问题，后一种思维能让你避免在一堆本身就错的中间结果上浪费时间。至于具体用哪个方法、调到哪组参数，那反倒是最不重要的部分，方法就那么几种，参数永远跟着数据走。
