MATLAB实现接触角自动测量：图像处理与轮廓拟合实战

简介：本资源是一套面向材料科学、表面物理及实验数据分析方向的MATLAB工具集，专为科研人员与高年级本科生设计，用于解决液滴接触角测量与固体表面能反演的核心计算问题。压缩包共含10个.m文件，总大小仅6KB，全部为可直接运行或调用的MATLAB函数脚本，涵盖图像预处理（如边缘增强）、液滴轮廓拟合、接触角几何计算（基于切线法或圆弧拟合法）以及多模型表面能估算（如Owens-Wendt双组分法），其中Contactangle.m为主控入口脚本，其余fpush*/fpop*系列文件构成模块化子功能单元，结构清晰、注释完备，便于理解算法逻辑与二次开发。目前已有576人学习下载，读者可直接获取完整可执行代码、典型计算流程封装及模型参数配置范例，显著降低接触角图像分析与表面能定量评估的技术门槛，适用于实验室润湿性表征、涂层性能评价等实际研究场景。 实验室里测接触角，最烦的不是做实验，而是处理数据。滴一滴水在材料表面，拍张照片，量角度，听着简单，真做起来就知道——液滴轮廓不规整、基线找不准、左右角度不对称，用ImageJ手动量又慢又容易手抖。所以很多人最后都会走向同一个解决方案：写一个MATLAB脚本，把图像处理、边缘检测、轮廓拟合、切线求角度这一整套流程自动化。

我手上正好有一套被反复打包分享的“contact angle.rar”MATLAB代码包，里面有几个核心的.m脚本，专门干这事的。这套代码我在自己的润湿性实验里改过好几版，今天就把整个拆解思路、算法选型、实操步骤和踩过的坑一次性说清楚，给正在被接触角数据处理折磨的朋友一个可以直接抄作业的参考。

1. 接触角测量：从原理到代码实现的核心思路

1.1 接触角的基本原理与Young方程

接触角（Contact Angle）是指在固、液、气三相交界处，从固液界面经液相内部到气液界面的切线所夹的角度。这个角度直接反映固体表面的润湿性：角度越小越亲液，角度越大越疏液。理论根基是Thomas Young在1805年提出的Young方程：

[ \gamma_{SG} = \gamma_{SL} + \gamma_{LG} \cdot \cos\theta ]

其中(\gamma_{SG})是固气界面张力，(\gamma_{SL})是固液界面张力，(\gamma_{LG})是液气界面张力，(\theta)就是接触角。这个方程告诉我们，接触角本质上是由三个界面张力共同决定的。但实际操作中，我们不可能直接去测量界面张力，而是通过拍摄液滴在固体表面的侧视图像，然后从图像几何形状中反推接触角。

这里要特别强调一个概念：静态接触角与动态接触角。静态接触角是液滴稳定后测的值，动态接触角又分为前进角（增加液滴体积时）和后退角（减少液滴体积时）。这台代码解决的是静态接触角的计算问题，动态接触角需要在视频帧分析上做扩展，本质算法是一致的。

1.2 为什么选择MATLAB实现接触角计算

可能有人会问：ImageJ也有接触角插件，Python也能写，为什么非要用MATLAB？

我的真实感受是三点。第一，MATLAB的Image Processing Toolbox非常成熟，imread、imfilter、edge、bwareaopen这些函数经过几十年工业级验证，稳定性比自己在Python里拼OpenCV要高；第二，MATLAB的交互式调试体验好，变量工作区直接看数组，图像矩阵随手可视化，对科研人员来说"所见即所得"；第三，很多课题组的历史代码都是MATLAB写的，接手别人的.m文件继续改，比换语言重构要省事得多。

这套代码从文件名就能看出来——"contact angle.m"是主脚本，还有一个带"m"后缀的可能是核心计算函数。整个思路就是：读入液滴图像 → 预处理 → 提取轮廓 → 拟合曲线 → 计算切线 → 输出角度。

1.3 工具包的整体架构解读

拿到这个压缩包，解压后你会看到一两个.m文件和几张测试图像。主脚本的逻辑通常分为四个模块：

图像读取与预处理模块：负责把液滴图像读入MATLAB，转换为灰度图，做滤波去噪。这一步的关键是保留液滴边缘的清晰度，不能用过于强烈的平滑滤波把边缘模糊掉。

轮廓提取模块：用边缘检测算法从预处理后的图像中找出液滴的轮廓。常见的做法有Sobel、Canny、Prewitt等算子，也可以先用阈值分割再提取边界。这个模块的输出是一个二值化的轮廓图。

轮廓拟合与接触角计算模块：这是核心。把轮廓上的像素点提取出来，用某种函数形式去拟合，然后计算固液界面（基线）处切线与基线之间的夹角。这里涉及拟合方法的选择——多项式拟合、椭圆拟合、Laplace-Young拟合各有优劣。

结果输出与可视化模块：把计算得到的接触角显示出来，同时在原图上标注基线和拟合轮廓，方便人工校验。

理解了整体结构，后面的每一步就都有章可循了。

2. 图像处理与液滴轮廓提取的关键细节

2.1 图像预处理：去噪、增强与分割

接触角计算的精度很大程度上取决于图像质量，预处理是决定成败的第一道关口。

灰度转换与对比度增强。相机拍出来的液滴图像通常是彩色或带噪声的灰度图。第一步用rgb2gray转为灰度图，然后使用imadjust调整对比度。这里有一个我踩过很多次的坑：不要过度调整对比度，否则液滴边缘会被"拉"出虚假的台阶，导致后续边缘检测把噪声当轮廓。我的经验是以液滴和背景的边界清晰可见为准，灰度直方图拉开但峰形不变。

滤波去噪。液滴图像最常见的噪声是CCD/CMOS传感器的高斯噪声，以及反光造成的孤立亮点。用imgaussfilt做高斯滤波，Sigma参数建议取1到1.5，别超过2。Sigma太大会把亚像素级的边缘细节吃掉，尤其是小体积液滴（比如2微升以下），轮廓曲率大，细节丢失会直接引起角度计算偏差。如果是反光问题，中值滤波medfilt2比高斯滤波更有效，因为它能在去除孤立亮点的同时保留边缘锐利度。

阈值分割。如果液滴与背景的灰度差异明显，可以用Otsu方法（graythresh）自动求阈值后二值化；如果背景复杂或液滴内部有反光不均匀，我建议改用局部自适应阈值。这套代码里我测过Otsu的性能，对大多数"亮背景+暗液滴"或"暗背景+亮液滴"的实验图片都能稳定工作，但遇到反光严重的液滴内部区域，二值化后可能会出现孔洞，需要通过imfill填充。

预处理的最终目的是让液滴区域成为一个干净的、独立的前景连通域，这个目标可以用bwareaopen删除小面积噪声块来强化，面积阈值一般设图像总像素数的0.5%左右。

2.2 边缘检测算法选型与参数调优

边缘检测是把液滴从图像中"勾勒"出来的关键步骤。MATLAB的edge函数支持多种算子，包括Sobel、Prewitt、Roberts、Canny等。我在对比测试中发现：

Canny算子基本是接触角图像处理的事实标准，因为它在定位精度和噪声抑制之间取得了最好的平衡。但它有两个参数需要调：高阈值Thresh和Sigma。我的经验是Thresh设为0.1到0.2之间比较稳妥，Sigma设1即可。如果图像噪声偏大，Sigma调到1.5或2，但你要接受边缘更平滑的事实——对接触角计算来说，平滑的结果往往是角度值略偏大，因为液滴边缘的微细曲率变化被抹掉了。

还有一个细节与edge函数的使用方式密切相关。edge默认返回的是二值边缘图，边缘宽度为1像素，这很好。但有时候边缘会出现断裂，特别是液滴与基线的交界区域——这里像素灰度过渡小，梯度弱，Canny很容易在这段"漏检"。处理方式是用imdilate做一次膨胀，然后imfill填充，再用bwmorph做细化，把断裂的轮廓补起来。这个过程我在批量处理时遇到过很多次，所以提前把这段补全逻辑写进了轮廓提取函数。

2.3 基线的确定：固液界面的识别策略

基线就是固体表面所在的水平线，也就是液滴与固体接触的那条直线。如果基线找歪了，后面算出来的接触角必然偏移。确定基线有几种常见策略：

基于图像边缘：如果固体表面在图像中清晰可见，检测到的上表面边缘就是基线。但问题在于，液滴会遮蔽一部分基线的中间区域，所以基线实际上只是左右两端可见，中间的"缺失段"需要通过直线拟合左右可见部分来延伸。

基于液滴轮廓下边缘：如果固体表面不可见或不好测，可以从液滴轮廓的最低点左右各取一段像素，拟合成一条水平线作为基线。这个方法成立的前提是液滴体积足够小，重力引起的铺展不明显，液滴左右接触点几乎在同一水平高度——但实际上液滴总会有一点重力压扁，左右接触点可能不在同一高度。

基于已知高度：如果实验装置的物距固定，相机的几何关系已知，可以在图像中设置一条固定像素行作为基线。这个方法适用于连续监测同一位置的动态润湿过程，因为基线位置不会变化。

这套代码里的做法是什么？从文件名和常见实现来看，它很可能用的是"自动检测左右接触点连线"的方式——即先找出液滴轮廓与固体表面相交的左右两点，然后以这两点的连线作为基线。这个思路在大多数实验中是成立的，因为固体表面在拍摄时是水平的，两点连线天然就是水平线。但要注意：如果固体表面倾斜了一点点（比如样品没放平），这个两点连线仍然是一条斜线，计算角度时需要用反正切来修正倾角。

我自己的改进版本是双保险：先用边缘检测找固体上表面，拟合出斜率；如果检测失败，就退回到左右接触点连线。两种方法的结果差异如果超过2度，说明图像质量或算法参数有问题，需要人工介入。

3. 接触角计算的核心算法与参数选择

3.1 轮廓拟合方法对比：多项式、椭圆与Laplace-Young

当液滴轮廓被提取出来后，接下来的任务就是用数学函数去描述它，然后求接触角。轮廓拟合方法直接决定了角度计算的准确性，这里展开说。

多项式拟合：最朴素的方法，用(y = a_0 + a_1x + a_2x^2 + ...)去拟合轮廓点。优点是简单、快速，缺点是低阶多项式无法精确描述液滴的曲面形态，尤其在轮廓曲率变化大的区域（靠近固体表面的区域），多项式拟合容易在端点处出现龙格现象（Runge's phenomenon），导致接触角计算严重偏高或偏低。我只把它用于快速预览或小角度（小于30度）的情况。

椭圆拟合：这是工程中最常用的折中方案。液滴在重力作用下呈扁椭球状，用椭圆方程去拟合轮廓的下半部分，效果比多项式好很多。椭圆拟合的本质是求解一般二次曲线方程的参数：

[ Ax^2 + Bxy + Cy^2 + Dx + Ey + F = 0 ]

拟合出椭圆参数后，在接触点处求椭圆切线，与基线打个角度就得到接触角。这个方法的优势在于对液滴轮廓的低频形变（整体形状）拟合得好，且对噪声不敏感。

Laplace-Young拟合法：最物理正确的方法。它基于Young-Laplace方程——液滴轮廓的曲率与表面张力、重力、浮力之间的关系：

[ \Delta P = \gamma \left( \frac{1}{R_1} + \frac{1}{R_2} \right) ]

解这个方程可以得到理论上精确的液滴剖面形状，然后用这个理论曲线去拟合实测轮廓。这是商用接触角仪（如Krüss DSA系列）的标准算法，精度最高，但也最复杂——需要数值求解常微分方程，计算量大，且对初始参数选择敏感。

我实测的经验是：体积大于5微升的液滴，重力变形明显，务必用椭圆或Laplace-Young拟合；体积小于2微升的微液滴，重力影响小，用简单的多项式拟合也够用。这套代码如果只实现了多项式拟合，对于常规实验也够用，但如果做高精度研究，我建议你抽出2小时把这个模块升级成椭圆拟合，精度提升非常可观。

3.2 切线求取与角度计算的数学细节

接触角定义的几何基础是"固液接触点处液面切线与基线的夹角"。有了拟合曲线，下一步就是求切线斜率，然后转成角度。

求切线有两条路：

解析法：如果拟合的是参数化曲线或多项式，直接对函数求导，代入接触点坐标即可得到切线的斜率(k)，角度(\theta = \arctan(k))。椭圆拟合的情况下，椭圆方程是隐函数(F(x,y) = 0)，需要用隐函数求导：

[ \frac{dy}{dx} = -\frac{F_x}{F_y} ]

然后把接触点坐标代入。

数值法：在接触点附近取拟合曲线上相邻的两个像素点，用这两点之间的斜率近似作为切线斜率。这个方法虽然简单，但受像素离散化影响，误差波动较大，建议至少取5个点的线性回归斜率作为切线方向。

这里有一个最容易忽略的细节：角度的象限与方向问题。接触角定义在液滴内部，是一个不超过180度的内角。直接用反正切函数求出的角度可能在-90度到90度之间，但根据液滴在基线的左侧还是右侧、轮廓是凹还是凸，实际接触角可能是(90^\circ + \alpha)或(180^\circ - \alpha)的形式。很多初写代码的人在这一步翻车，算出来的角度要么是负数，要么是补角。我的处理方式是：先判断接触点处液滴轮廓位于基线的哪一侧，再确定角度的计算范围。

对左右两个接触点分别计算接触角，然后取平均值，这是标准做法。如果左右角度差超过5度，说明液滴放置不对称或者表面不均匀，结果需要标注为"有效但需注意"，差值超过10度则建议重新做实验。

3.3 参数配置与误差控制的实际经验

MATLAB脚本通常会在开头设置一组参数。我的建议是统一封装成一个结构体或者配置文件，方便复现和调整。以下是我强烈建议你在代码里显式维护的参数清单：

误差控制方面，最大的坑是像素标定。接触角本身是纯几何角度，理论上和图像是否缩放无关——角度在相似变换下保持不变。因此，不需要知道每个像素对应多少毫米，只要图像的长宽比是1:1（正方形像素）即可。但要检查相机的传感器是否输出正方形像素，有些工业相机在非原生分辨率下会输出矩形像素，导致图像被拉伸，角度值直接失真。处理方式是用imresize在计算前校正纵横比。

另一个误差来源是接触点定位。接触点取得偏内或偏外1-2个像素，对角度的影响可能在1度到3度之间。为了提高接触点定位精度，我采用的技巧是：在拟合出的轮廓曲线上，以最小化拟合残差为目标微调接触点位置，而不是直接用边缘像素点。这种方法在像素尺度上做亚像素优化，能显著改善重复性和精度。

4. 实操过程：从图像到接触角数值的完整流程

4.1 环境准备与代码文件解读

你的环境需要MATLAB R2016a或更高版本（我是用R2021a跑通的），需要安装Image Processing Toolbox，这个工具箱在MATLAB安装向导里勾选即可，无需额外许可证。

解压"contact angle.rar"后，我建议你按以下结构重新组织文件：

contact_angle_project/ ├── contact_angle.m # 主脚本 ├── contact_angle_func.m # 核心计算函数（如果有） ├── images/ # 测试图片文件夹 │ ├── droplet_1.jpg │ └── droplet_2.jpg └── output/ # 结果输出文件夹

主脚本contact_angle.m一般会以如下方式开头：

%% 接触角计算主脚本 clear; clc; close all; % 设置参数 sigma = 1.2; % 高斯滤波参数 cannyThresh = [0.1 0.2]; % Canny双阈值 fitMethod = 'ellipse'; % 轮廓拟合方法 baselineMethod = 'auto'; % 基线方法 % 读入图像 img = imread('images/droplet_1.jpg'); if size(img, 3) == 3 imgGray = rgb2gray(img); else imgGray = img; end

这段代码的核心逻辑一眼就能看明白：清空工作区，设置参数，读图转灰度。实际操作中需要你补充的是循环批处理部分，如果你有一组样品要测，建议把读图和保存结果放进for循环里，这样一组20张图片跑下来也就是几秒钟的事。

4.2 完整流程演示与关键代码

我把自己常用的处理流程贴出来，你可以对照自己手上的代码做改造。整个流程分五步：

第一步，图像预处理。

% 中值滤波去孤立噪声 imgMed = medfilt2(imgGray, [3 3]); % 高斯滤波平滑 imgSmooth = imgaussfilt(imgMed, sigma); % 对比度增强 imgAdj = imadjust(imgSmooth);

注意中值滤波要在高斯滤波之前做，因为中值滤波的作用是干掉孤立亮点，高斯滤波是平滑全局噪声，顺序反了的话孤立亮点会被高斯模糊成一个"污斑"，中值滤波就不好清除它了。

第二步，阈值分割与液滴区域提取。

% Otsu自动阈值 level = graythresh(imgAdj); bw = imbinarize(imgAdj, level); % 填充孔洞 bw = imfill(bw, 'holes'); % 清除小面积噪声 bw = bwareaopen(bw, round(numel(bw) * 0.005));

这里有个关键判断——根据液滴亮度决定是否取反。如果液滴比背景亮（如暗背景上的亮液滴），阈值分割后液滴区域是1，背景是0；反之则需要bw = ~bw。最好在代码里自动判断：比较二值图中前景区域的平均灰度与原图平均灰度，如果前景更暗，就取反。这种方法在批量处理不同类型的图像时能省去大量手动调整。

第三步，轮廓提取。这一步我推荐直接用Canny边缘检测后做形态学修补：

edges = edge(imgAdj, 'canny', cannyThresh); % 膨胀+填充+细化，修补断裂轮廓 edgesDil = imdilate(edges, strel('disk', 2)); edgesFill = imfill(edgesDil, 'holes'); edgesFinal = bwmorph(edgesFill, 'thin', inf);

bwmorph(..., 'thin', inf)会把轮廓细化到单像素宽，这是精确提取轮廓坐标的前提。细化后提取轮廓点坐标：

[row, col] = find(edgesFinal);

需要提醒的是，find返回的坐标是按行列顺序的，也就是(y)和(x)坐标。后续拟合时记得把row当(y)、col当(x)，不然曲线方向反了，算出来的角度补角就是常见的错误。

第四步，轮廓拟合与接触点确定。以椭圆拟合为例，我的实现是：

% 提取轮廓最底部附近的点进行椭圆拟合 % 实际拟合使用所有轮廓点，但要剔除基线以下的干扰 try ellipseParams = fit_ellipse(col, row); % 从椭圆参数中计算接触点坐标 [contactL, contactR] = find_contact_points(ellipseParams, baselineY); catch warning('椭圆拟合失败，切换为多项式拟合'); polyCoeffs = polyfit(col, row, 3); end

这个fit_ellipse函数不是MATLAB自带的，网上有很多版本，最常用的是直接从File Exchange下载的"Direct Least Squares Fitting of Ellipses"封装。如果你不想引入外部函数，也可以用fit函数配合自定义椭圆模型。MATLAB R2021a之后的版本已经有fit加上椭圆模型的实验性支持，但我用下来还是觉得第三方函数更成熟。

第五步，接触角计算与可视化。

% 在接触点处计算切线 thetaL = compute_contact_angle(ellipseParams, contactL, 'left'); thetaR = compute_contact_angle(ellipseParams, contactR, 'right'); thetaAvg = (thetaL + thetaR) / 2; fprintf('左侧接触角: %.2f deg\n', thetaL); fprintf('右侧接触角: %.2f deg\n', thetaR); fprintf('平均接触角: %.2f deg\n', thetaAvg); % 可视化 figure; imshow(imgGray); hold on; plot(col, row, 'r.', 'MarkerSize', 4); plot([contactL(1), contactR(1)], [contactL(2), contactR(2)], 'g-', 'LineWidth', 2); title(sprintf('Contact Angle: %.2f°', thetaAvg));

可视化这步很重要，不要省。因为自动算法不可避免会有失败案例，人眼只需0.1秒就能判断拟合得好不好，这个校验成本很低。我建议把结果图和角度值一并保存，方便写论文时追溯原始数据。

4.3 批量处理与结果输出策略

当你需要处理几十甚至上百张图像时，逐张运行脚本就太浪费时间了。我习惯把主处理逻辑封装成一个函数：

function result = process_droplet(imagePath, params) % 输入图像路径和参数结构体 % 输出结果结构体：thetaL, thetaR, thetaAvg, success end

然后写一个批量脚本遍历文件夹内所有图片：

imageDir = 'images/'; imageFiles = dir(fullfile(imageDir, '*.jpg')); results = table(); for i = 1:length(imageFiles) filePath = fullfile(imageDir, imageFiles(i).name); try r = process_droplet(filePath, params); results = [results; table({imageFiles(i).name}, r.thetaL, r.thetaR, r.thetaAvg, r.success)]; catch ME warning('处理 %s 失败: %s', imageFiles(i).name, ME.message); end end % 保存结果 writetable(results, 'output/contact_angle_results.xlsx');

输出到Excel表格的好处是可以直接做统计分析。另外，我在批量处理时会把失败的图片单独记录到一个文件夹里，方便回头统一检查，而不是让脚本中途停下来。

5. 常见问题与排查技巧实录

5.1 图像质量问题导致的计算失败

液滴反光。这是最普遍的问题。如果液滴顶部或内部有强反光，阈值分割后反光区域会被误判为背景，导致轮廓在反光位置向内凹陷。严重的反光会让液滴轮廓在顶部"裂开"变成两个月牙形。我的经验是：在实验端解决比在算法端解决更有效——使用漫反射背光源、调整相机角度避开反射光路、或者在液滴中添加少量染色剂改善边缘对比度。如果是已有图像，可以在预处理时把反光区域用周围像素插值修补掉。

液滴不清晰/失焦。图像模糊意味着边缘梯度小，Canny算子的阈值需要调低，但也更易受噪声干扰。这时我的建议是切换到imgaussfilt效果更好的图像上，或者干脆重拍。软件能救一部分图，但救不了完全失焦的图。

背景不均匀。照明不均会导致背景灰度在图像边缘与中心差异大，Otsu阈值分割会失效。处理方案是使用imtophat做形态学背景校正，或者用imbilatfilt做边缘保留的平滑来归一化背景。

5.2 算法参数导致的计算偏差

接触角偏大或偏小且左右不对称：优先检查基线。如果基线被识别成固体表面下方的一条干扰线，接触角的基准线就歪了。调试方法是可视化基线位置，确认它是否在液滴与固体的接触点附近。

角度条数不连续（批量处理时某几张图数值突变）：大概率是轮廓拟合在这几张图上失败。常见原因是液滴体积太小或太大导致轮廓形状偏离拟合模型。例如3微升以下的液滴在亲水表面会形成很扁的轮廓，椭圆拟合可能退化成近似直线的椭圆，数值上不稳定。我会把体积参数加进去，小体积液滴自动切换为多项式拟合，大体积液滴用椭圆拟合，可以改善很多。

同一张图多次运行结果不一致：检查是否有随机初始化——比如fit函数在非线性拟合时的初始值。解决方式是在调用fit前，用rng(0)固定随机种子，或者自己计算一个确定性的初始值。还有一种可能，是edge的阈值在MATLAB版本间算法有微调，导致同一图在不同版本的结果有差异。

5.3 代码环境与兼容性经验

MATLAB中文乱码。很多从国内课题组传出来的.m文件，代码里的注释是中文的，在英文版MATLAB上打开会乱码。解决方法是把文件用"UTF-8"编码重新保存，或者把注释里的中文改成英文。我见过有人因为乱码导致误删代码块，解决得很痛苦。

旧版MATLAB不兼容。如果你还在用R2014a之类的老版本，imgaussfilt和imbilatfilt这些函数可能不存在。替代方案是用fspecial生成高斯核，再用imfilter手动做滤波：

h = fspecial('gaussian', [5 5], sigma); imgSmooth = imfilter(imgMed, h, 'replicate');

R2022b及以后版本的Error 9问题。如果启动MATLAB时报Error 9（这是启动时的JVM或文件系统问题），经常和安装路径含中文或自定义字体冲突有关。最简单的解决办法是重装MATLAB到纯英文路径，并卸载第三方字体。这属于环境问题，和算法代码无关，但很常见，值得留意。

5.4 快速排查速查表

我在项目里还遇到过一种比较隐蔽的情况——图像里有水珠飞溅的卫星小液滴，导致bwareaopen面积阈值没过滤干净，轮廓提取时把两个液滴当成一个处理。后来我的办法是先求所有连通域的面积，保留最大连通域，这样即使在复杂背景下也不会把卫星液滴算进去。

6. 从这套代码出发，你还能做什么扩展

这套contact angle代码解决的是静态接触角的基础计算，但实际上它的核心框架——图像预处理、轮廓提取、曲线拟合、角度计算——可以扩展到很多相关场景。

动态接触角与滞后分析。如果你把液滴图像换成视频，逐帧跑这套流程，就能得到接触角随时间的变化曲线。前进角和后退角的差值（接触角滞后）是表征表面不均匀性和粗糙度的重要指标，在涂层质量评估、纺织品防水性能测试中都有应用。实现上只需要加一个视频读取层和一个时间戳记录模块，核心算法不用动。

表面自由能计算。有了多个不同液体的接触角数据（通常需要水、二碘甲烷、乙二醇这三种探针液体），结合OWRK、Fowkes或van Oss-Chaudhury-Good模型，可以计算出固体表面的表面自由能及其分量。这个功能在材料筛选、胶粘剂配方优化中非常实用。你只需要把角度结果整理成表格，导入一个简单的计算脚本即可。

微流控芯片润湿性表征。如果你研究微流控芯片，接触角是决定流体在微通道内自发毛细流动行为的关键参数。这套代码同样适用，但要注意微通道内的液滴轮廓可能受到通道壁约束，拟合模型可能需要调整。

结合机器学习做异常检测。如果你需要大量处理产品质检中的接触角图像，可以把这套代码提取出的轮廓特征（液滴高度、宽度、轮廓曲率等）作为特征向量，训练一个简单的分类器，把"合格"和"有瑕疵"的样品自动分开。我见过一个做PCB表面处理质量检测的团队用这个思路做了个雏形，效果还不错。

我个人在实际操作中的体会是：接触角计算的代码实现并不复杂，但每一个环节都需要你对实验条件和图像特点有充分理解。与其追求一次写出一套"万能"脚本，不如先从一个特定实验条件、特定样品的场景入手，把精度做到极致，再逐步泛化。这套代码的价值在于提供了一个经过验证的框架，你在它上面做的每一次调试和优化，都是对自己实验体系的深入理解。最后再分享一个小技巧：处理完一组数据后，把参数配置、图像样本和结果一起归档，并在实验记录里备注拍摄条件，这个习惯会在你回看数据时省下大量确认时间。

本文还有配套的精品资源，点击获取