1. 图像切割：拿到一张图，先想清楚要“切谁”

1.1 切割在整个预处理链路里的位置

“数据预处理与特征工程”这个系列写到这里，终于轮到图像切割与特征提取这对组合。很多人容易忽略一件事：图像任务里真正的胜负手，往往不在模型，而在数据从原始像素到可用特征的这一段路。图像切割解决的是“目标在哪儿”的问题，特征提取解决的是“目标长什么样”的问题，两者串起来，才构成一条完整的输入链路。

图像预处理的常见链条是：采集原始图像——降噪和增强（灰度化、滤波、对比度调整、几何校正）——图像切割（把感兴趣区域分离出来）——特征提取（计算颜色、纹理、形状等描述子）——特征归一化/融合——送入分类器或回归模型。前面几步相对标准，真正拉开项目差距的，往往就是从切割开始的后半段。

我见过不少新人直接把整张图送去训练，结果模型的效果总是不稳定。原因很简单：目标在整幅图里可能只占很小面积，大量背景像素参与计算，淹没了真正有用的信息。切割的意义正在于此——它把“图像场景”压缩成“目标样本”，后续无论是统计特征还是深度学习特征，都只聚焦在目标本身。

1.2 四种切割方案怎么选

图像切割不是只有“用矩形框框起来”这一种。实际项目中至少会遇到四种需求，对应的切割方案完全不同。

选择时最重要的一条经验是：切割精度要和后续任务匹配，不要盲目追求像素级。如果下一步只需要判断工件类别，矩形框完全够用；如果下一步要做缺陷面积统计，那就必须做像素级掩码。标注成本往往是项目预算里最容易被低估的部分，多问一句“真需要精确到像素吗”，能省下大量人力。

1.3 我为什么坚持“先标注再切割”

我在实际项目里踩过不少坑，其中最大的一个教训是：切割方案的选择必须和标注策略同时设计，而不是等数据标完了才发现切割方式不匹配。

所谓“先标注再切割”，不是说要先画完所有标签才能动代码，而是要在采集数据后、正式清洗前，先想清楚标注规范和切割输出之间的关系。比如你要做工件分类，标注时就按矩形框标，切割代码就用外接矩形；如果要做表面缺陷分析，标注时就得分出背景、正常纹理、缺陷三类像素，切割代码就按掩码走。标注格式决定了切割代码怎么写，这个顺序搞反了，后面返工成本极高。

另外，标注工具也建议趁早定下来。开源方案里LabelMe适合多边形精细标注，CVAT适合视频和矩形框批量标注，VIA则胜在轻量、纯浏览器运行。选工具的标准不是功能越多越好，而是能直接导出和你后续切割代码匹配的格式，比如JSON转掩码脚本是否顺手，是否支持多人协作标注，这些才影响项目进度。

2. 特征提取：切完拿到一堆图块，接下来看什么

2.1 特征的本质是压缩和判别

切割完成后，每个目标样本都是一张大小不一的图块。直接拿像素矩阵去建模并不现实——一张64x64的灰度图也有4096维，而且相邻像素高度冗余。特征提取的本质，就是把“像素级的海量信息”压缩成“任务相关的少量描述子”，同时尽量保留类别之间的差异。

打个比方：你要在一群人里找出某个人，不会去记忆他每根头发的走向，而是记身高、脸型、衣着颜色、说话声音。这些就是特征。好的图像特征也是同理：要有判别力（不同类差异大）、要鲁棒（光照、角度变化影响小）、要高效（计算快、维度可控）。

这里要特别提醒一点，特征不是越复杂越好。我见过有人一上来就堆几十个特征，维度爆炸不说，很多特征之间高度相关，反而让模型过拟合。先小范围试几个经典特征，看分类效果，再决定是否扩充，是更务实的路线。

2.2 三组经典特征怎么理解

手工特征虽然听起来“传统”，但直到今天，在工业缺陷检测、零件分拣、纹理分类、文档图像任务里依然非常能打。核心就三类：颜色特征、纹理特征、形状特征。

• 颜色特征：最常见的是颜色直方图，统计各颜色区间的像素占比。实际操作中强烈建议转成HSV空间再统计，因为HSV把色调、饱和度、亮度分离，对光照变化更稳。RGB直方图受亮度影响明显，同样的物体在阳光下和阴影下统计结果差异很大。
• 纹理特征：纹理描述的是局部像素规律，最常用的有LBP（局部二值模式）和灰度共生矩阵（GLCM）。LBP的思路很简单：对每个像素，和邻域像素比较大小，把比较结果编码成一串二进制数，再统计不同编码的出现频率。它对单调光照变化不敏感，计算也快，纹理分类首选。
• 形状特征：包括轮廓周长、面积、宽高比、圆度、凸度等几何参数，也可以提取HOG（方向梯度直方图）描述边缘方向的分布。HOG对物体轮廓敏感，行人检测曾靠它称霸多年；几何参数则非常适合工程件分类——圆形件和方形件的宽高比、圆度差异明显。

这三组特征不是互斥的，实际项目里常做特征融合。比如外观质检项目，可以拼HSV直方图+LBP直方图+HOG，再加几个几何参数。但每类特征都先单独验证能力，然后再拼接，这样出问题时才查得出来是哪部分拖后腿。

2.3 深度学习 vs 手工特征，真实项目里怎么权衡

现在提特征提取，绕不开深度学习，但真实项目里完全不是非此即彼的关系。我的判断标准主要看三点：样本量、目标稳定性和可解释性要求。

如果样本量只有几百张，或者目标是固定光源、固定姿态下的工业件、文档、票据，手工特征往往稳、快、可解释，一套规则下来完全跑得通。如果数据上万、类别上百、场景复杂，卷积神经网络提取的特征通常碾压手工特征。还有一种很实用的折中方案：用预训练模型做特征提取器，把中间层的输出（比如pooling层的向量）当作特征，再喂给传统分类器。这在中小数据量下经常比直接微调效果好，训练成本还低。

我个人的建议是，不要一上来就纠结“传统还是深度学习”，先拿手工特征跑一版基线，用它能快速验证切割流程是否正确、标注是否干净。因为切割有问题时，再强的特征也白搭。基线通过后，再考虑是否引入深度学习特征。这个顺序能帮你省掉大量排障时间。

3. 实操全流程：从原始图片到可直接建模的特征矩阵

3.1 模拟项目与目录结构

下面用一个可复现的真实项目流程来演示。模拟场景是“某图像质检模块”：一批工件在传送带上由工业相机拍摄，每张图里有一个或多个工件，背景是传送带表面，目标是从原始图像中切出每个工件，并提取颜色、纹理、形状特征，用于后续材质分类。

项目目录结构如下：

work/ ├── raw_images/ # 原始图像 ├── annotations/ # 标注JSON（可选） ├── cut_results/ # 切割输出 ├── feature_output/ # 特征保存 ├── cut_and_feature.py # 主脚本

3.2 第一步：读取图像并做预分割

先读取图像，灰度化、高斯滤波去噪，再用大津法（Otsu）自动求阈值做二值化，最后找轮廓。这个流程适合“目标与背景灰度差异明显”的场景，是传统切割的经典开局。

import cv2 import numpy as np image = cv2.imread("raw_images/sample_001.jpg") image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 大津法自动阈值 _, binary = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 形态学闭运算，把目标内部孔洞和细小断裂连起来 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 15)) closed = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel) contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

这一步有几个人容易踩的细节：一是大津法的THRESH_BINARY_INV方向要根据目标亮暗调整；二是形态学核大小直接影响粘连目标的分割效果，核太小目标断成几块，核太大相邻目标粘连；三是有阴影干扰时，先把图像做背景差分或者顶帽变换再二值化，效果会好很多。

3.3 第二步：按轮廓切出目标区域并过滤

轮廓找出来后，并不是所有轮廓都是目标。传送带上的杂质、反光、噪声也会形成小轮廓。我用面积阈值、宽高比和位置边界做过滤，再往外扩几个像素防止切掉边缘。

cut_boxes = [] for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) area = w * h # 面积过滤：太小是噪声，太大可能是整个背景 if area < 500 or area > image.shape[0] * image.shape[1] * 0.8: continue # 宽高比过滤：正常工件不会过于细长 aspect = w / h if aspect < 0.2 or aspect > 5.0: continue # 向外扩展4像素，避免裁剪时把边界特征切掉 pad = 4 x0, y0 = max(0, x - pad), max(0, y - pad) x1, y1 = min(image.shape[1], x + w + pad), min(image.shape[0], y + h + pad) cut = image_rgb[y0:y1, x0:x1] cut_boxes.append((x0, y0, x1, y1)) cv2.imwrite(f"cut_results/sample_001_{x0}_{y0}.jpg", cv2.cvtColor(cut, cv2.COLOR_RGB2BGR))

过滤参数的确定看起来像“拍脑袋”，实际是有依据的：先把所有轮廓画出来叠加查看，统计轮廓面积的分布直方图，再定阈值区间。我通常会先跑一遍，把cut_results里每张图叠加上轮廓框的可视化结果输出，看有没有误切和漏切，然后回调参数。这一步千万别省，因为“看结果调参数”永远比“凭空设参数”靠谱。

3.4 第三步：从切割结果提取三组特征

切割完成后，特征提取就好做了。下面这段代码演示如何把三组特征拼成一个一维特征向量。需要安装scikit-image来提取LBP，HOG用OpenCV自带的，颜色直方图用NumPy手动统计。

from skimage.feature import local_binary_pattern from sklearn.preprocessing import StandardScaler def extract_features(roi): # 统一尺寸，便于后续特征比对 roi_resized = cv2.resize(roi, (128, 128), interpolation=cv2.INTER_AREA) hsv = cv2.cvtColor(roi_resized, cv2.COLOR_RGB2HSV) # 1. HSV颜色直方图，3通道各32个bin hist = cv2.calcHist([hsv], [0, 1], None, [32, 32], [0, 180, 0, 256]) hist = cv2.normalize(hist, hist).flatten() # 2. LBP纹理直方图 gray_small = cv2.cvtColor(roi_resized, cv2.COLOR_RGB2GRAY) radius, n_points = 2, 8 * radius lbp = local_binary_pattern(gray_small, n_points, radius, method="uniform") hist_lbp, _ = np.histogram(lbp.ravel(), bins=np.arange(0, n_points + 3), density=True) # 3. HOG形状特征 hog = cv2.HOGDescriptor((128, 128), (16, 16), (8, 8), (8, 8), 9) hog_feat = hog.compute(gray_small).flatten() return np.concatenate([hist, hist_lbp, hog_feat]) features = [extract_features(cv2.imread(path, cv2.IMREAD_COLOR)) for path in cut_paths] features = np.array(features) # 标准化：对后续SVM、逻辑回归非常重要 scaler = StandardScaler() features_std = scaler.fit_transform(features)

这里说几个关键点：

• 统一尺寸是必须的。原图中目标大小不一，如果不resize到统一尺寸，HOG特征维度对不齐，就没法进同一模型。
• LBP的radius和n_points决定纹理粒度。半径小抓细节纹理，半径大抓整体纹理。一般先在radius=2附近试，看结果再调。
• HOG特征维度通常比较高（我这里就有8100维左右），如果样本少，可以先降维（PCA）再进模型。
• 特征融合前务必做标准化。颜色直方图和HOG的数值尺度差异很大，直接用会让HOG主导训练，颜色特征被淹没。

3.5 第四步：保存特征矩阵

最后把特征和对应文件名保存成npz或CSV。我推荐用npz，因为数值精度不会丢失，也方便下次调试时快速加载。每次切割和特征提取都加一个带时间戳或版本号的输出目录，这个习惯能救你很多次——比如参数调坏了，还能回到上一个可用版本继续做对比实验。

np.savez( "feature_output/features_step1.npz", features=features_std, names=np.array(cut_names) )

4. 切割参数选型与质量评估

4.1 阈值、面积和滑窗参数怎么定

传统切割最容易被骂“靠调参”，但参数其实是有方法论支撑的。大津法阈值是自适应的，适合双峰直方图；如果光照不均，全局阈值失效，就得改用自适应阈值（cv2.adaptiveThreshold），它按邻域块分别计算阈值，对不均匀光照更友好。

面积过滤阈值最好基于统计来确定，而不是眼睛看一个就填进去。做法是把轮廓面积数组打印出来做描述性统计，看面积分布的自然断点在哪里，再结合“宁可多切也不漏切”的原则把下限放低一点，把误检问题留给后期的分类规则去处理。

滑窗切割则完全是另一套逻辑。它不依赖目标检测，而是用一个固定大小的窗口按步长扫过整幅图，每张窗口图就是一个候选样本。窗口大小应该略大于目标的最大尺寸，步长建议先取窗口长度的1/4到1/2。步长太大容易漏目标，太小会产生大量冗余样本，拖慢训练。这种策略常用于目标检测候选区域生成和难负样本挖掘，在目标密集、形状不规则的场景里比纯轮廓法更稳。

4.2 切割结果到底好不好，怎么量化

切割质量不能只靠“看着还行”。如果你有标注框，可以计算IoU（交并比）来衡量切割框和真实框的重合程度。IoU大于0.5一般就算可用，但分类任务里建议做到0.7以上，因为切割偏移会把目标边缘的特征切掉，直接影响纹理和形状特征。

没有标注时，可以用两个指标近似评估：误切率（切出来的区域里纯背景的比例）和漏切率（有目标但没切出来的比例）。误切率高，说明背景过滤不够，后续特征里会混入大量环境噪声；漏切率高，说明目标分割失败，可能是阈值方向反了、形态学核太大或太小、目标与背景对比度太差。

我自己还有一个很实的经验：每次调完切割参数，把20张典型图片的切割结果拼成一张大图保存下来。不是看图好不好看，而是为了在项目评审或者模型效果不好时，能迅速定位“是切割问题、特征问题还是模型问题”。没有可视化中间结果，排查问题全靠猜，效率低到让人崩溃。

5. 实操中反复踩过的五个坎

5.1 背景干扰和边缘残缺

最常见的坑是目标紧贴图像边界，外接矩形直接把图像边缘切掉了，导致目标特征不完整。解决办法很简单：切割前先给原图加一圈边界填充（比如20像素的白色或黑色pad），切割后再丢掉pad。另一个坑是背景里有和工件颜色接近的零部件，导致轮廓粘连，这就要靠颜色分析或者更精细的掩码来分开了。

5.2 光照变化让特征“漂移”

光照变化对颜色特征影响尤其明显。同一个工件，强光和暗光下HSV直方图差异可能大于不同工件的差异。解决办法有两个方向：一是特征层面，用LBP这类对光照不敏感的纹理特征，颜色特征改用HSV并只取H和S通道，或者做颜色归一化；二是图像层面，先做伽马校正或者直方图均衡化再提取特征。但要注意，直方图均衡化也会改变纹理表现，不要盲用。

5.3 类别不平衡，负样本根本切不到

分类任务里通常需要大量负样本。如果正样本是工件，负样本可能是背景、杂质、其他零件。问题在于，从原始图里切负样本很容易，切一堆背景块塞进去就完事，但模型会把“是背景”当成特征。我推荐做“难例挖掘”：先把初始模型跑一遍，把被错分成正样本的背景块挑出来补充到负样本里。这一招能把误检率压下去一大截。

5.4 标注数据不够，切割后特征也救不回来

数据不够时，切割后的数据增强比模型技巧更关键。旋转、平移、镜像、HSV扰动、加噪声都是有效手段。特别推荐针对切割样本做“小幅随机裁剪”，相当于制造切割框轻微偏移的样本来增加模型对切割误差的容忍度。还有一种思路是用颜色直方图和几何特征搭配，这类特征维数低，小样本下抗过拟合能力强。

5.5 重复计算和缓存问题

特征提取是算力活。几百张图还好，几万张图反复重跑实验，时间成本就很高了。我的习惯是给每个版本的切割参数生成独立目录，特征计算一次后缓存到npz文件，后续实验直接从缓存读数据。文件名里带上版本号或日期，比如features_v2_area500_aspect02.npz，这样就不会出现“跑了一晚上发现读的是旧缓存”的惨案。

6. 项目落地后的几点体会

6.1 切割和特征提取要做成独立模块

做过多个项目后，我最大的体会是：这两个环节一定要做成可复用模块。输入是一张路径和一个参数配置字典，输出是特征矩阵和中间可视化结果。不要和具体的分类模型写死在一起，因为你会频繁地回来调切割参数、加特征、换模型，独立模块能让你每次修改都只动一小部分。

6.2 最后分享一个小技巧

特征提取阶段有一个容易忽略的加分项：记录每个图像样本的元信息，包括尺寸、面积、宽高比、切割框坐标。这些元信息本身就是极其有效的特征。比如面积可以区分大工件和小零件，宽高比可以区分横向件和纵向件。把它们和颜色、纹理特征一起放进模型，经常能让准确率再往上提一两个点，而且实现成本几乎为零。

做图像项目做到后期，我反而越来越喜欢传统切割加手工特征的组合。它限制少、可解释、调试快，在问题定位时能让你直接看到“特征长什么样”。深度学习当然强大，但数据链路的前半段始终是决定成败的地基。先把切割和特征提取这两件事做扎实，玩明白以后接什么模型都稳得多。