海岸线识别与海面分割

📌 关键要点

海岸线、海面是"区域/线"，不是"物体"，YOLO 检测框（detect）并不适合直接识别，但通过"分割"思路可以完整解决。

• 核心矛盾：矩形框框不住一条弯曲的海岸线 → 改用"像素级分类"（分割）方案
• 两条路线：传统方法（OpenCV KMeans 聚类，无需数据）vs 深度学习分割（yolo-seg，需要标注数据）
• 本笔记含可运行的 Demo：AI 生成海景图 → KMeans 聚类 → 提取海岸线（红线）+ 天际线（蓝线），效果已验证

一、为什么 YOLO 检测框不适合"海岸线"

YOLO detect 的天然假设是"目标能被一个矩形框框住"（人、车、船…），但：

结论：识别海岸线要用分割（像素级分类）思路——先把每个像素分成"天空/海/沙滩"，两个区域的交界就是海岸线。

二、两条技术路线对比

本笔记先跑通路线 A（零数据即可演示），路线 B 在文末给出升级路径。

三、Demo 实现：KMeans 聚类分割

3.1 输入数据（无需自己标注）

用 AI 生成的一张典型海岸线图（蓝天 + 海洋 + 沙滩 + 地平线）：

以后有真实海景图/摄像头画面，只需替换脚本里的 img_path 一行。

3.2 算法流程

像素 KMeans 聚类成 4 簇（按颜色自然分组）
        ↓
按垂直位置 + 颜色特征分配语义：
   位置最高的簇 → 天空    蓝色度最高(B-R)的簇 → 海    位置最低的簇 → 沙滩
        ↓
海像素最下沿连线 → 海岸线    海像素最上沿连线 → 天际线
        ↓
滑动平均 + 中值滤波平滑（抗海浪纹理造成的抖动）

核心代码（test\sea\coastline_demo.py）：

# 1. KMeans 像素聚类
Z = img.reshape(-1, 3).astype(np.float32)
criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 1.0)
_, labels, centers = cv2.kmeans(Z, 4, None, criteria, 5, cv2.KMEANS_PP_CENTERS)
label_img = labels.reshape(h, w)

# 2. 语义分配：按簇的平均 y 位置 + 蓝色度
sky_id  = min(clusters, key=lambda c: c['mean_y'])['id']       # 位置最高 = 天空
sand_id = max(clusters, key=lambda c: c['mean_y'])['id']       # 位置最低 = 沙滩
water_id = max(水候选簇, key=lambda c: c['blueness'])['id']    # 蓝色度最高 = 海

# 3. 逐列扫描海像素，取最上沿/最下沿构成线
for x in range(w):
    col = np.where(water_mask[:, x] > 0)[0]
    skyline.append(int(col.min()))   # 天际线
    coast.append(int(col.max()))     # 海岸线

3.3 运行

cd D:\BYP\Project\BYP\BYPsNotes\extern\attachments\topic\Yolo\test\sea
D:/B/software/anaconda/envs/CondaBYP/python.exe coastline_demo.py

输出三张图到 demo_out\：

四、结果解读

4.1 数值验证（1536×1024 输入）

4.2 效果图

分割结果（天空蓝 / 海蓝 / 沙滩黄）：

最终结果（红线海岸线 + 蓝线天际线）：

五、局限与升级路线

5.1 传统方法的局限

• 对光照敏感：阴天、逆光、黄昏时天空与海的色差变小，聚类易出错
• 浪花干扰：白色浪花/泡沫可能被误分到"沙滩"或"天空"簇
• 无先验理解：不知道"什么是海"，只是按颜色机械分组
• 需手工调 K：聚类簇数（本 demo 为 4）需按场景微调

5.2 升级到深度学习分割（路线 B）

1. 数据集：Roboflow Universe 搜索 sea segmentation / beach segmentation，导出 YOLO-seg 格式
2. 训练：

yolo train data=my-sea.yaml model=yolov8n-seg.pt epochs=50 imgsz=640

1. 海岸线提取：分割出海/沙两个类别掩码 → OpenCV 提取两区域交界轮廓，即海岸线

5.3 结合 seasentry 项目（海边监控）

🔗 相关笔记：

• YOLO 数据集配置文件（.yaml）详解
• YOLO 训练流程（COCO128 入门实战）
• YOLO系列版本演进

📖 资料来源：

• Ultralytics 分割任务文档
• OpenCV KMeans 聚类官方文档
• Roboflow Universe（海面分割数据集检索）

📝 创建时间：2026-08-31