OpenCV+Qt 连通域计数工具：阈值调参与批量处理实战

简介OpenCV 与 Qt 结合的细胞计数工程面向具备 C 基础、希望掌握传统图像处理流程或完成课程设计的开发者。项目以细胞图像自动统计为目标将图像二值化、膨胀腐蚀去噪、轮廓提取与连通域分析串联为可运行流程并通过 Qt 界面完成图片载入、显示与计数结果查看适合理解生物医学图像检测的基础实现。压缩包共 41 个文件、约 7.6MB内含 3 个 cpp 源文件、2 个头文件、ui 界面文件与 pro 工程配置另附运行所需 dll、示例 png 图片、编译中间文件及 exe便于对照源码和效果图梳理工程结构。目前已有 1723 人学习作为入门级实战案例具备一定参考价值。读者可获得可编译的 Qt 工程、细胞计数核心代码与依赖配置据此复现阈值调整、形态学去噪、轮廓及连通域计数等关键环节并改造成自己的检测小工具。1. 一个阈值滑块顶得上一上午的人工点数某实验室的 A 同学每天要把培养皿摆到显微镜下拍照然后一张张数细胞隔壁某产线的师傅则是把包装袋摊平拍照数这一批有几包。两件事看着毫不相干落到代码里其实是同一件事——把图像里互相粘连的前景切出来按连通域一块块统计。这个项目就是把这套流程做成一个 Qt 桌面小工具OpenCV 负责灰度、阈值、形态学和连通域计数Qt 负责打开图片、拖滑块调参、实时回显编号和总数。它的价值不在于算法有多深而在于把调参—看结果—再调参这个循环压缩到一秒以内你拖一下滑块就能看到计数从 187 跳到 203。适合两类人需要快速数颗粒、细胞、包装的现场使用者以及想拿一个完整可编译的 OpenCV Qt 工程练手连通域分析的开发者。2. 工程骨架CMake 组织 Qt 主窗口最小可跑拿到这类项目我第一件事不是看算法而是看目录怎么分层。分层乱的工程改到第三天就会开始还债分层清楚的哪怕算法只有一百行也能一路加功能加下去。这个项目的原则很简单算法只依赖 OpenCV界面只依赖 Qt两者之间用一个纯数据结构的参数包通信谁也不 include 谁的头文件。2.1 目录分层把算法和界面切开PackCounter/ ├── CMakeLists.txt ├── src/ │ ├── main.cpp # 入口只负责起 QApplication │ ├── MainWindow.h/.cpp # Qt 界面控件、信号槽、图像显示 │ ├── Counter.h/.cpp # 纯算法预处理 连通域计数 │ └── Types.h # PreprocessParams / CountResult 等结构体 └── assets/ └── sample.png # 一张用于自测的样图Types.h是整个工程的中枢把参数和结果定死后面加批量处理、加配置持久化都从这里长出来// Types.h #pragma once #include vector #include opencv2/core.hpp // 所有可调参数集中在一个结构体方便整体拷贝、序列化 struct PreprocessParams { int blurKernel 5; // 高斯核必须奇数 int threshMode 1; // 0固定阈值 1Otsu 2自适应 double threshValue 127.0; // 固定阈值模式生效 int blockSize 31; // 自适应阈值窗口奇数且 1 double cConstant 5.0; // 自适应阈值常数 C bool invert false; // 前景白/背景白互换 int morphKernel 3; // 形态学核尺寸 int openIter 1; // 开运算次数去毛刺 int closeIter 1; // 闭运算次数补断裂 int minArea 50; // 面积下限滤掉噪点 int maxArea 100000; // 面积上限滤掉大面积背景 }; // 单个目标的统计信息界面层只认这个不认 cv::Mat struct BlobInfo { int label 0; int area 0; double cx 0.0; double cy 0.0; cv::Rect box; // 外接矩形画框用 }; struct CountResult { int total 0; std::vectorBlobInfo blobs; cv::Mat debugBinary; // 二值图调试面板显示 };这么拆的好处是显而易见的Counter里没有一行#include QWidget你可以把它直接抠出来塞进命令行程序、塞进服务端甚至塞进一个纯 C 的批处理脚本里一行都不用改。2.2 CMakeLists 与 Qt/OpenCV 双依赖工程用 CMake 组织关键是 Qt 的 AUTOMOC 和 OpenCV 的find_package要同时到位。Qt5 和 Qt6 我都留了兼容写法因为现场机器上装哪个版本的都有cmake_minimum_required(VERSION 3.16) project(PackCounter LANGUAGES CXX) set(CMAKE_CXX_STANDARD 17) set(CMAKE_CXX_STANDARD_REQUIRED ON) # Qt 的信号槽需要 moc 预处理这三个开关必须打开 set(CMAKE_AUTOMOC ON) set(CMAKE_AUTOUIC ON) set(CMAKE_AUTORCC ON) # 优先找 Qt6找不到退回 Qt5 find_package(QT NAMES Qt6 Qt5 COMPONENTS Widgets REQUIRED) find_package(Qt${QT_VERSION_MAJOR} COMPONENTS Widgets REQUIRED) find_package(OpenCV REQUIRED) add_executable(PackCounter src/main.cpp src/MainWindow.cpp src/MainWindow.h src/Counter.cpp src/Counter.h src/Types.h ) target_include_directories(PackCounter PRIVATE src) target_link_libraries(PackCounter PRIVATE Qt${QT_VERSION_MAJOR}::Widgets ${OpenCV_LIBS} )几个容易翻车的点提前说清楚。CMAKE_AUTOMOC如果不开带Q_OBJECT宏的类链接时会报一堆undefined reference to vtable for MainWindow这类报错对新手极不友好看不出是构建系统的问题。find_package(QT NAMES Qt6 Qt5 ...)这句的变量名是QT_VERSION_MAJOR注意大小写中间不能用Qt${QT_VERSION_MAJOR}::Widgets写成小写qtCMake 的 target 名是严格区分大小写的。构建命令就三步Windows 上在 Qt 命令行环境里跑Linux 直接跑cmake -S . -B build -DCMAKE_BUILD_TYPERelease cmake --build build --config Release -j 8 ./build/PackCounter # Windows 下是 build/Release/PackCounter.exe如果cmake阶段就报找不到 OpenCV八成是OpenCV_DIR没指对把 OpenCV 安装目录下的OpenCVConfig.cmake所在路径传进去即可-DOpenCV_DIR/path/to/opencv/lib/cmake/opencv4。2.3 主窗口骨架左图右参中间一根信号槽界面不需要花哨三块区域足够左边一个QLabel显示处理后的图右边一列参数控件滑块 数字框联动底部一行状态栏显示目标数 / 耗时 / 当前参数。构造顺序是先搭控件再连信号槽最后初始化一个空图占位。// MainWindow.cpp 构造函数片段 MainWindow::MainWindow(QWidget *parent) : QMainWindow(parent) { auto *central new QWidget(this); auto *layout new QHBoxLayout(central); m_view new QLabel(tr(拖一张图进来)); m_view-setAlignment(Qt::AlignCenter); m_view-setMinimumSize(800, 600); m_view-setStyleSheet(background:#1e1e1e;color:#888;); layout-addWidget(m_view, 1); // 1 弹性拉伸占满剩余空间 auto *panel new QWidget; auto *form new QVBoxLayout(panel); // 阈值滑块0~255默认 127 m_threshSlider new QSlider(Qt::Horizontal); m_threshSlider-setRange(0, 255); m_threshSlider-setValue(127); form-addWidget(new QLabel(tr(阈值))); form-addWidget(m_threshSlider); // ……其余滑块同理此处省略 layout-addWidget(panel); setCentralWidget(central); // 滑块一动就重算这就是整个工具的核心交互 connect(m_threshSlider, QSlider::valueChanged, this, MainWindow::onParamsChanged); connect(m_openButton, QPushButton::clicked, this, MainWindow::onOpenImage); }onParamsChanged里只做一件事把界面控件的当前值灌进PreprocessParams调用Counter::run()拿到CountResult后同时更新图像和状态栏。这里有个工程习惯值得保持——所有重算都走同一个入口不要滑块变了走一条路、打开文件走另一条路否则改到后面两条路的参数永远对不上这种不一致是排查问题的噩梦。3. 预处理链从 BGR 到一张干净的二值图连通域计数不准十有八九不是connectedComponentsWithStats的锅而是喂给它的二值图本身就脏。这一章把预处理拆成三段讲降噪、分割、形态修补每一段都能在界面上对应一个滑块方便你边调边看。3.1 灰度与滤波先把噪点按下去彩色信息对计数基本没用反而让阈值多出三个维度。第一步统一转灰度。手机拍的图常见情况是背景光照不均、表面有反光点直接二值化会切出一堆孤立小白点每个小白点都是一个假目标。高斯滤波能压掉这部分高频噪声// Counter.cpp cv::Mat gray; if (src.channels() 3) { cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY); // 3 通道转单通道 } else { gray src.clone(); // 已经是灰度图就直接用 } // 高斯核必须是奇数偶数会让 OpenCV 直接抛断言 int k params.blurKernel | 1; // 按位或 1偶数自动 1 cv::Mat blur; cv::GaussianBlur(gray, blur, cv::Size(k, k), 0); // sigma 传 0 由核大小自动推导GaussianBlur的第四个参数 sigma 传 0OpenCV 会按0.3*((k-1)*0.5 - 1) 0.8这个经验公式自动算绝大多数场景不用手填。核大小怎么选我的经验是目标直径 20 像素左右核取 3 到 5目标只有 5 到 8 像素核必须取 3取 5 就把目标本身模糊掉了。| 1这个小技巧在这里只是兜底界面上还是应该用setSingleStep(2)让滑块只能走奇数否则用户拖到 4 你会得到一个看起来能用但结果微妙不同的核这种问题最费时间。3.2 阈值分割固定、Otsu、自适应三条路三种模式各有适用场景工程里做成三选一而不是硬编码一种cv::Mat bin; switch (params.threshMode) { case 0: // 固定阈值光照稳定、目标与背景对比明显时最好用 cv::threshold(blur, bin, params.threshValue, 255, cv::THRESH_BINARY); break; case 1: // Otsu自动找类间方差最大的分割点不用手调 cv::threshold(blur, bin, 0, 255, cv::THRESH_BINARY | cv::THRESH_OTSU); break; case 2: { // 自适应背景光照不均时的救命方案 int bs params.blockSize | 1; // blockSize 必须奇数且 1 if (bs 3) bs 3; cv::adaptiveThreshold(blur, bin, 255, cv::ADAPTIVE_THRESH_GAUSSIAN_C, cv::THRESH_BINARY, bs, params.cConstant); break; } } // 前景/背景反了就整体取反比换 THRESH_BINARY_INV 更灵活 if (params.invert) cv::bitwise_not(bin, bin);三种模式的取舍我用一张表说清楚比讲一堆原理实用模式适用场景关键参数常见翻车固定阈值打光稳定、背景纯色、批量同条件threshValue换一批图光照变了阈值不跟着变Otsu目标与背景面积接近、双峰直方图无背景占 95% 以上时分割点严重偏移自适应显微镜暗角、手机拍摄光照不均blockSize、C目标内部被挖空数出双份自适应阈值那个坑值得单独说blockSize比目标尺寸还小的时候目标内部中心区域会被判成背景一个细胞中间出现一个洞连通域一统计就变成两个甚至更多。所以blockSize一般取目标直径的 1.5 到 3 倍C从 5 开始往上试C越大前景越少。3.3 形态学修补断开的目标连回来毛刺削掉二值图出来以后总是不干净目标边缘有细刺、两个本应连着的部分被切断了。开运算先腐蚀后膨胀去孤立小点闭运算先膨胀后腐蚀补内部断裂。用椭圆核而不是矩形核因为细胞、包装袋的轮廓都是圆乎乎的矩形核会把角落削成方的const int mk params.morphKernel | 1; cv::Mat kernel cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(mk, mk)); // 开运算去掉比核小的孤立噪点 if (params.openIter 0) cv::morphologyEx(bin, bin, cv::MORPH_OPEN, kernel, cv::Point(-1, -1), params.openIter); // 闭运算把轻度断裂的目标粘回去 if (params.closeIter 0) cv::morphologyEx(bin, bin, cv::MORPH_CLOSE, kernel, cv::Point(-1, -1), params.closeIter);cv::Point(-1, -1)表示锚点取核中心这是默认值很多人写成cv::Point(0,0)会导致膨胀方向偏左上目标整体位移一格面积统计跟着飘。openIter次数不要超过 2开运算腐蚀是不可逆的信息丢失做两次以上小目标直接消失你还在那儿以为是阈值没调好。调试面板上把bin这张中间图显示出来比盯着原图猜有用得多——这就是我说的别让二值图变成黑匣子。4. 连通域计数connectedComponentsWithStats 的输出怎么读真正干活的就一个函数。connectedComponentsWithStats一次调用同时返回标签图、统计信息和质心比老式的findContourscontourArea组合省掉一次遍历速度也更快尤其目标数量上千的时候差距明显。但它的输出结构对新手不太直观四个输出参数各是什么、下标怎么对齐值得一段一段拆开看。4.1 一次调用拿到的四样东西cv::Mat labels, stats, centroids; // connectivity8 表示八邻域对角也算连CV_32S 是标签图的数据类型 int n cv::connectedComponentsWithStats(bin, labels, stats, centroids, 8, CV_32S); // labels : 与原图同尺寸的标签图每个像素存它所属的编号 // stats : N×5 的矩阵每行一个目标的统计量 // centroids: N×2 的矩阵每行是质心的 (x, y) // 返回值 n : 包含背景在内的总标签数四个输出的对应关系是这套 API 最容易搞错的地方逐条说明labels尺寸和bin完全一致CV_32S类型。像素值等于目标编号背景是 0。想单独抠出第 7 个目标就labels 7做一次掩码。stats行数等于n第 0 行恒为背景。五列依次是CC_STAT_LEFT、CC_STAT_TOP、CC_STAT_WIDTH、CC_STAT_HEIGHT、CC_STAT_AREA也就是外接矩形的 x、y、宽、高和像素面积。centroids同样第 0 行是背景centroids.atdouble(i, 0)是 x(i, 1)是 y类型是double不是int取值要用atdouble。返回值 n是标签总数包括背景。所以实际候选目标数是n - 1遍历循环必须从 1 开始。写错最典型的一幕是for (int i 0; i n; i)从 0 开始数——背景那块巨大的连通区域被算成一个目标于是无论你放什么图进去计数结果都恒定多 1。这个 bug 隐蔽性强因为阈值、面积过滤全对就是差 1很多人会先去怀疑形态学绕一大圈才回来。4.2 面积过滤与计数什么算一个目标拿到统计矩阵之后把每一个候选目标过一遍面积区间落在区间内的才计入CountResult result; result.total 0; for (int i 1; i n; i) { // 从 1 开始跳过背景 const int area stats.atint(i, cv::CC_STAT_AREA); if (area params.minArea) continue; // 太小噪点、毛刺 if (area params.maxArea) continue; // 太大背景残留、粘连成片 BlobInfo info; info.label i; info.area area; info.box cv::Rect(stats.atint(i, cv::CC_STAT_LEFT), stats.atint(i, cv::CC_STAT_TOP), stats.atint(i, cv::CC_STAT_WIDTH), stats.atint(i, cv::CC_STAT_HEIGHT)); info.cx centroids.atdouble(i, 0); info.cy centroids.atdouble(i, 1); result.blobs.push_back(info); result.total; } result.debugBinary bin.clone(); // 中间结果留给调试面板 return result;面积上下限这两个参数是决定数得准不准的核心。minArea的合理起点是目标典型面积的三分之一maxArea则是典型面积的三倍或者干脆设成INT_MAX只在上限明显有背景残留时才收。注意stats.atint这一句stats的类型固定是CV_32S元素必须用int读写成atdouble读到的是完全错误的数值而且不会报错只是结果离谱——这种静默错误比起断言失败难查十倍。4.3 结果回显编号、颜色和面积标注统计归统计最终用户要看到的是哪一块被算成了一个。回显这步做两件事给每个合格目标刷上不同颜色在质心附近写上序号。颜色用 HSV 色环均匀取比纯随机好看而且同一张图每次跑出来颜色一致cv::Mat canvas; cv::cvtColor(bin, canvas, cv::COLOR_GRAY2BGR); // 在二值图上着色背景干净 for (size_t idx 0; idx result.blobs.size(); idx) { const BlobInfo b result.blobs[idx]; // 按序号映射到 HSV 色环的 0~179 区间颜色分布均匀且可复现 cv::Mat hsv(1, 1, CV_8UC3, cv::Scalar((int)(idx * 179 / result.blobs.size()), 200, 255)); cv::Mat bgr; cv::cvtColor(hsv, bgr, cv::COLOR_HSV2BGR); cv::Vec3b color bgr.atcv::Vec3b(0, 0); // 用标签图做掩码精确刷到该目标的所有像素上 canvas.setTo(color, labels b.label); // 序号写在质心偏左上一点的位置避免压住目标中心 cv::putText(canvas, std::to_string(idx 1), cv::Point((int)b.cx - 8, (int)b.cy - 8), cv::FONT_HERSHEY_SIMPLEX, 0.4, cv::Scalar(0, 0, 0), 1, cv::LINE_AA); }labels b.label返回一个同尺寸的CV_8U掩码setTo支持这种带掩码的写法比逐像素循环快一到两个数量级而且不用手动算索引。颜色映射用idx * 179 / count而不是idx * 37 % 180前者保证颜色随序号均匀铺开目标少的时候也能明显区分后者在目标数量逼近 180 的时候会开始撞色。序号画在质心上是够用的但如果目标很密编号会互相压住看不清这时候可以把编号和外接矩形框一起画——cv::rectangle(canvas, b.box, color, 1)一行就够框线比编号更容易让人一眼认出我那一个袋子被框住了。5. 常见问题排查五个让计数结果对不上的坑这类工具跑起来不难难的是结果对不上时怎么定位。下面五条都是我在类似工程里真实遇到过的按现象 → 原因 → 解决写照着比对能省不少时间。5.1 图像与预处理阶段的坑坑一图片打开是黑的或者干脆提示加载失败。现象imread返回值mat.empty()为真但同一张图用系统看图软件打得开。原因九成是路径里带中文或者空格cv::imread内部用的是窄字符接口非 ASCII 路径直接读不到。解决方式是用QFile读成字节流再走imdecode绕开文件名编码// 用 imdecode 代替 imread规避中文路径问题 QFile f(path); if (!f.open(QIODevice::ReadOnly)) return cv::Mat(); QByteArray bytes f.readAll(); std::vectoruchar buf(bytes.begin(), bytes.end()); cv::Mat img cv::imdecode(buf, cv::IMREAD_COLOR);坑二程序运行中偶发崩溃崩溃点飘忽不定。现象打开一张图正常连续拖几次阈值滑块后程序直接退出调试器停在无关位置。原因多半是cv::Mat转QImage时没做深拷贝——QImage用mat.data构造只是浅引用函数返回后cv::Mat析构QImage拿着悬垂指针Qt 重绘时读野内存。解决就加一个.copy()QImage matToQImage(const cv::Mat mat) { if (mat.type() CV_8UC3) { // .copy() 深拷贝切断对 mat 缓冲区的依赖 return QImage(mat.data, mat.cols, mat.rows, (int)mat.step, QImage::Format_BGR888).copy(); } if (mat.type() CV_8UC1) { return QImage(mat.data, mat.cols, mat.rows, (int)mat.step, QImage::Format_Grayscale8).copy(); } return {}; }坑三一改形态学核尺寸就抛异常提示断言失败。现象cv::Exception信息里带assertion failed和morphologyEx。原因是核尺寸传了偶数或者传了 0。getStructuringElement要求Size的宽高都是正奇数。解决是所有从界面读进来的核尺寸统一走| 1兜底并在界面上把步长设成 2从源头杜绝偶数。自适应阈值的blockSize同理而且它还要求大于 1所以下限要单独夹一次。5.2 计数与界面层的坑坑四计数结果恒定比实际多 1。现象换任何图进去结果都是实际目测数 1而且调阈值、调面积都不影响这个偏差。原因就是前面提过的循环起点从 0 开始把背景那个超大连通域算成了目标。解决是把循环改成for (int i 1; i n; i)。这个问题的迷惑性在于调试时你看n的值它确实包含了背景只看数字发现不了任何异常必须意识到标签 0 永远是背景这条约定。坑五滑块拖动后界面卡死一两秒。现象图片分辨率一大比如 4000×3000拖阈值滑块就明显掉帧甚至窗口短暂无响应。原因有两个一是每次valueChanged都直接触发重算滑块拖一次会发出几十个信号二是中间过程在 UI 线程里跑。解决分两层第一层给滑块加个防抖定时器信号来了先重启 80 毫秒的定时器停下才真正计算第二层是可以考虑把Counter::run挪到QtConcurrent::run里算完通过信号回主线程更新 UI。// 防抖信号密集时只执行最后一次 void MainWindow::onParamsChanged() { m_debounce.start(80); // QTimer单次触发模式 } // 构造时连一次connect(m_debounce, QTimer::timeout, this, MainWindow::reprocess);另外还有一条不算坑但容易忽略labels、stats、centroids三个矩阵每次调用都会重新分配内存连续拖动时反复申请释放大块内存会有明显抖动。工程上可以把它们提成成员变量靠 OpenCV 的引用计数复用缓冲区体感上会顺滑一些。6. 二次开发把工具改成能进流程的批处理单张调参只是起点。真到了现场需求一定是这 200 张图一起跑给我一份数量清单。改造的核心思路是把 UI 和算法彻底分开之后让参数从滑块流到配置文件让单次调用流到目录遍历。6.1 参数外置JSON 配置替代手调滑块界面调好一组参数点击保存参数写进config.json下次同批次的图直接加载不用重调。这样同一批货的计数标准才是一致的——手工调参最大的问题不是慢而是你今天调的和昨天调的不完全一样。// 用 QJsonDocument 序列化省掉引入第三方库 QJsonObject toJson(const PreprocessParams p) { QJsonObject o; o[blurKernel] p.blurKernel; o[threshMode] p.threshMode; o[threshValue] p.threshValue; o[blockSize] p.blockSize; o[cConstant] p.cConstant; o[invert] p.invert; o[morphKernel] p.morphKernel; o[openIter] p.openIter; o[closeIter] p.closeIter; o[minArea] p.minArea; o[maxArea] p.maxArea; return o; } PreprocessParams fromJson(const QJsonObject o) { PreprocessParams p; // 先用默认值兜底 p.blurKernel o.value(blurKernel).toInt(p.blurKernel); p.threshMode o.value(threshMode).toInt(p.threshMode); p.threshValue o.value(threshValue).toDouble(p.threshValue); p.minArea o.value(minArea).toInt(p.minArea); // 其余字段同理全部带默认值 return p; }value(key).toInt(defaultValue)这种写法很重要配置里少一个字段不该让整个程序起不来缺什么就用结构体里的默认值补上。这套写法在版本升级加字段的时候特别省心。6.2 批量跑目录 CSV 汇总批处理本身很短QDir列文件循环调Counter::run结果累积到一张表里最后一次性写 CSVvoid MainWindow::onBatchRun(const QString dirPath) { QDir dir(dirPath); QStringList files dir.entryList({*.png, *.jpg, *.bmp}, QDir::Files); QFile csv(dir.filePath(count_result.csv)); if (!csv.open(QIODevice::WriteOnly | QIODevice::Text)) return; QTextStream out(csv); out.setEncoding(QStringConverter::Utf8); // 带 BOM 更好Excel 直接认 out file,total,elapsed_ms\n; for (const QString name : files) { cv::Mat img loadImageSafely(dir.filePath(name)); // 复用 5.1 的 imdecode 逻辑 if (img.empty()) { out name ,ERROR,0\n; continue; } QElapsedTimer t; t.start(); CountResult r m_counter.run(img, m_params); out name , r.total , t.elapsed() \n; } }输出里带上elapsed_ms是个好习惯跑完一眼能看出哪张图异常慢往往对应的就是那张图特别大或者特别乱回头单独查。6.3 回归验证合成图定量比对改完算法最怕的是看起来都对。我一般会造一组合成图做回归用cv::circle或cv::rectangle在已知坐标画 37 个固定半径的圆跑一遍计数断言结果等于 37。半径分三档小、中、大各造一张专门测面积过滤的边界再叠一张带高斯噪声和渐变的背景图测 Otsu 和自适应两条路。这套图一旦建好以后每次动预处理参数都先跑一遍五秒钟就知道有没有把别的东西改坏。提示合成图别只造理想图一定要造一张两个圆重叠三分之一的粘连目标的处理才是这类工具真正的分水岭理想图上跑满分说明不了什么。有一次我为了赶进度跳过了这一步直接把morphKernel从 3 改成 5自己肉眼看了两张图觉得没问题就提交了结果批量跑完发现小尺寸那批的计数整体少了 12%原因是 5×5 的开运算把小目标腐蚀掉了。从那以后我每次动形态学参数都强制先把那三张合成图跑一遍再谈其他。希望这套思路能帮到你少走一段我踩过的弯路。本文还有配套的精品资源点击获取