我尝试提取图像中一大片白色区域的坐标，如下所示：这是原始图像：
使用一个小的方形核，我应用了闭合操作来填充小的孔洞，并帮助识别图像中的较大结构，如下所示：
import cv2import numpy as npimport imutils original = cv2.imread("Plates\\24.png")original = cv2.resize(original, None, fx=3, fy=3, interpolation=cv2.INTER_CUBIC)gray = cv2.cvtColor(original, cv2.COLOR_BGR2GRAY) # 接下来，查找图像中为光的区域squareKern = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))light = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, squareKern)light = cv2.threshold(light, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]处理后的图像如下：
另一个例子如下：
我希望能够检测到盘子中的大片白色区域，如下所示：
请注意，轮廓方法在许多例子中可能效果不佳
回答：
对于您提供的一张图像：
我提出了两种解决这个问题的方案：
方案1
轮廓面积比较
如您所见，图像中有三个大的轮廓；顶部的矩形和下面的两个矩形，您希望将其整体检测出来。
所以我对您的图像进行了阈值处理，检测了阈值处理后图像的轮廓，并索引了第二大和第三大的轮廓（最大的是顶部的矩形，您希望忽略它）。
这是阈值处理后的图像：
我将这两个轮廓堆叠在一起，并检测了这两个轮廓的边界框：
输出：
方案2
阈值掩码
由于盘子底部的两个矩形比顶部的矩形更白，我使用了一个阈值来遮蔽盘子的顶部：
我在上图所示的掩码上使用了Canny边缘检测器。
输出：
当然，如果盘子的顶部不比底部更亮，这种方法可能无法正常工作。
