OpenCV验证码图像轮廓绘制：紧密数字分割难题求助

针对紧密排列数字导致轮廓粘连的问题，提供两种可靠的分割方案：

方法1：形态学腐蚀（适用于数字间有细微间隙的场景） #

通过横向腐蚀缩小数字宽度，断开粘连部分后再提取轮廓：

import cv2
import numpy as np

# 读取图像
image = cv2.imread("622174.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 二值化（黑底白字用THRESH_BINARY_INV，白底黑字改用THRESH_BINARY）
thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)[1]

# 创建1x3的横向腐蚀核，控制腐蚀程度
kernel = np.ones((1,3), np.uint8)
eroded = cv2.erode(thresh, kernel, iterations=1)

# 提取最外层轮廓
contours, hierarchy = cv2.findContours(eroded, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 绘制结果
result = image.copy()
cv2.drawContours(result, contours, -1, (0,255,0), 1)
cv2.imwrite("split_result.png", result)

方法2：垂直投影分割（不受粘连程度影响的通用方案） #

通过计算每列的像素密度，找到数字间的空白列作为分割边界：

import cv2
import numpy as np

image = cv2.imread("622174.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)[1]

# 计算垂直投影：统计每列的白色像素数量
vertical_proj = np.sum(thresh, axis=0)

# 定位空白列（投影值为0的列）
split_points = np.where(vertical_proj == 0)[0]

# 提取连续的非空白列区间，对应单个数字
digit_intervals = []
start_col = None
for col in range(len(vertical_proj)):
    if vertical_proj[col] > 0 and start_col is None:
        start_col = col
    elif vertical_proj[col] == 0 and start_col is not None:
        digit_intervals.append((start_col, col))
        start_col = None
# 处理最后一个数字的收尾
if start_col is not None:
    digit_intervals.append((start_col, len(vertical_proj)))

# 分割并保存每个数字，同时在原图绘制分割框
for idx, (x1, x2) in enumerate(digit_intervals):
    single_digit = thresh[:, x1:x2]
    cv2.imwrite(f"digit_{idx}.png", single_digit)
    cv2.rectangle(image, (x1, 0), (x2, image.shape[0]), (0,255,0), 1)

cv2.imwrite("split_with_boxes.png", image)

关键注意点 #

• 二值化模式要匹配图像底色：黑底白字用THRESH_BINARY_INV，白底黑字用THRESH_BINARY，同时垂直投影需对应计算黑色像素数量（即np.sum(255 - thresh, axis=0)）。
• 腐蚀核的大小需根据粘连程度调整，过大的核会破坏数字结构。
• 垂直投影方法只要数字间存在垂直空白区域（哪怕极窄），就能实现精准分割。

内容的提问来源于stack exchange，提问作者Alex Key