如何用OpenCV提取图像所有目标？解决目标粘连分割问题

我需要用OpenCV提取图像中的所有目标，当前代码在目标相互分离的图像上运行正常，但当目标彼此靠近粘连时，无法将它们分开，这影响了后续处理。

正常示例:

异常示例:

我知道正常示例也存在一些小问题，但并不关键。以下是我正在使用的代码:

int main(int argc, char** argv)
{
    cv::CommandLineParser parser(
        argc, argv, "{@input | | input image}");
    cv::Mat src =
        cv::imread(cv::samples::findFile(parser.get<cv::String>("@input")),
                   cv::IMREAD_UNCHANGED);
    if (src.empty())
    {
        std::cout << "Could not open or find the image!\n" << std::endl;
        std::cout << "usage: " << argv[0] << " <Input image>" << std::endl;
        return -1;
    }

    cv::Mat gray;
    cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);

    cv::Mat filtred;
    cv::bilateralFilter(gray, filtred, 11, 17, 17);

    cv::Mat canny;
    cv::Canny(filtred, canny, 40., 120.);
    cv::imshow("canny", canny);
    cv::waitKey(0);

    cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(2, 2));
    cv::Mat closed;
    cv::morphologyEx(canny, closed, cv::MORPH_CLOSE, kernel);

    cv::imshow("morph", closed);

    std::vector<std::vector<cv::Point>> contours;
    cv::findContours(closed, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE);

    cv::Mat with_contours;
    src.copyTo(with_contours);

    for (int i = 0; i < contours.size(); i++)
        if (cv::contourArea(contours[i]) > 100.)
        {
            cv::Rect rect = cv::boundingRect(contours[i]);
            cv::rectangle(with_contours,
                          rect,
                          cv::Scalar(0, 255, 0),
                          2);
        }

    imshow("contours", with_contours);
}

实用改进方案 #

1. 距离变换+分水岭算法（针对类圆形粘连目标）

如果你的目标是类圆形，这个方法能精准分离粘连区域：

• 先通过二值化得到前景/背景分割图
• 距离变换计算每个前景像素到最近背景的距离，距离越大越接近目标中心
• 阈值提取目标中心作为种子，再用分水岭算法分割粘连目标

代码示例：

// 替换原有的轮廓检测流程
cv::Mat binary;
// Otsu自动阈值二值化，适配不同亮度的图像
cv::threshold(gray, binary, 0, 255, cv::THRESH_BINARY_INV + cv::THRESH_OTSU);

// 距离变换
cv::Mat dist;
cv::distanceTransform(binary, dist, cv::DIST_L2, 5);
cv::normalize(dist, dist, 0, 1.0, cv::NORM_MINMAX);

// 提取种子点（目标中心区域）
cv::Mat seeds;
cv::threshold(dist, seeds, 0.5, 255, cv::THRESH_BINARY);
seeds.convertTo(seeds, CV_8U);

// 标记种子连通域
std::vector<std::vector<cv::Point>> seedContours;
cv::findContours(seeds, seedContours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

cv::Mat markers = cv::Mat::zeros(binary.size(), CV_32S);
for (int i = 0; i < seedContours.size(); i++) {
    cv::drawContours(markers, seedContours, i, cv::Scalar(i+1), -1);
}

// 执行分水岭分割
cv::watershed(src, markers);

// 可视化结果
cv::Mat result = src.clone();
for (int i = 1; i <= seedContours.size(); i++) {
    cv::Mat mask = (markers == i);
    // 用随机颜色标记不同目标
    result.setTo(cv::Scalar(rand()%255, rand()%255, rand()%255), mask);
}
cv::imshow("分割结果", result);
cv::waitKey(0);

2. 替换形态学操作：用腐蚀代替闭运算

原代码的闭运算（膨胀+腐蚀）会让粘连目标更紧密，改成腐蚀可以先断开粘连：

// 替换原有的morphologyEx代码
cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(2, 2));
cv::Mat eroded;
cv::erode(canny, eroded, kernel); // 腐蚀断开粘连
cv::imshow("腐蚀后", eroded);

注意：腐蚀核的大小需要根据粘连程度调整，过大可能会把小目标腐蚀掉。

3. 调整Canny边缘检测参数

原代码的Canny阈值（40,120）可能让边缘过度连接，尝试降低高阈值或拉大阈值差：

cv::Canny(filtred, canny, 30., 90.); // 调整后的阈值，边缘更细致

4. 凸缺陷分割（针对有凹陷的粘连目标）

如果粘连处有明显凹陷，可以通过凸缺陷找到分割点：

// 针对单个粘连轮廓的分割示例
for (auto& cnt : contours) {
    if (cv::contourArea(cnt) < 100) continue;

    std::vector<cv::Point> hull;
    cv::convexHull(cnt, hull);

    std::vector<cv::Vec4i> defects;
    cv::convexityDefects(cnt, cv::convexHull(cnt, false), defects);

    // 筛选深度足够的凸缺陷（深度>阈值，比如10）
    for (auto& d : defects) {
        float depth = d[3] / 256.0;
        if (depth > 10) {
            int startIdx = d[0];
            int endIdx = d[1];
            // 用start和end点分割轮廓（具体分割逻辑需根据目标形状调整）
            cv::line(with_contours, cnt[startIdx], cnt[endIdx], cv::Scalar(0,0,255), 2);
        }
    }
}

代码小修正 #

原代码中std::vector<contour>是笔误，应该改为std::vector<std::vector<cv::Point>>；另外最后需要加cv::waitKey(0);否则程序会直接退出，看不到结果。

内容的提问来源于stack exchange，提问作者SabakaSamson