YOLO8实例分割单物体检测出现多轮廓的原因及筛选方法

经过进一步实验后，我已修改问题！

我正在进行YOLO8相关实验，编写了如下测试脚本以复现问题：

#
#  test script to explore multi contours for 1 found object.
import numpy as np
import cv2

img = cv2.imread('demo.jpg')
imgcopy = img.copy()


from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n-seg.pt')  # load an official model
#model = YOLO('path/to/best.pt')  # load a custom model

# Predict with the model
results = model(img, retina_masks=True, save=True, imgsz = 640, conf=0.5, boxes=False, show_labels=False, show_conf=False, save_crop=True, save_txt=True, save_conf=True)  # predict on an image



for result in results:
    masks = result.masks
    for mask in masks.data:
        mask_np= mask.cpu().numpy().astype(np.uint8)
        #contours, _  = cv2.findContours(mask_np, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        contours, _  = cv2.findContours(mask_np, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

        print ('We found ' + str(len(contours)) + ' objects')

        # i know i get 3 contours so this works !
        imgcopy = cv2.drawContours(imgcopy, contours=contours[0], contourIdx=-1, color=(0, 255, 0), thickness=2, lineType=cv2.LINE_AA)
        imgcopy = cv2.drawContours(imgcopy, contours=contours[1], contourIdx=-1, color=(255, 255, 0), thickness=2, lineType=cv2.LINE_AA)
        imgcopy = cv2.drawContours(imgcopy, contours=contours[2], contourIdx=-1, color=(255,0, 255), thickness=2, lineType=cv2.LINE_AA)

cv2.imwrite('result.jpg', imgcopy)

我预期单个检测到的物体对应1个轮廓，但在该示例中却得到了3个轮廓。

输入图片：

输出图片：

即单个检测物体对应的mask存在3个轮廓，请问为何会出现这种情况？应如何筛选出正确的轮廓？我发现首个轮廓并非总是正确的。

一、出现多个轮廓的原因 #

1. 轮廓检索模式的影响：你使用的cv2.RETR_TREE模式会提取所有层级的轮廓，包括物体的外部轮廓、内部孔洞轮廓（比如鞋子的鞋带孔、鞋头镂空部分），因此会出现多个轮廓结果。
2. Mask的精细度：YOLO8的retina_masks=True会输出高精度分割掩码，保留了物体的细微镂空结构，这些结构在OpenCV轮廓检测时会被识别为独立的内部轮廓。

二、筛选正确轮廓的方法 #

方法1：改用外部轮廓检索模式 #

直接替换为cv2.RETR_EXTERNAL模式，该模式仅提取最外层的外部轮廓，忽略所有内部孔洞的轮廓，代码修改如下：

contours, _  = cv2.findContours(mask_np, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

这是最直接的解决方式，能直接得到单个主物体轮廓。

方法2：通过轮廓面积筛选 #

如果需要保留内部轮廓但只关注主物体轮廓，可以通过计算轮廓面积排序，选择面积最大的轮廓（主物体外部轮廓面积远大于内部孔洞轮廓）：

contours, _  = cv2.findContours(mask_np, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 按轮廓面积降序排序
contours_sorted = sorted(contours, key=lambda x: cv2.contourArea(x), reverse=True)
# 取面积最大的轮廓作为主物体轮廓
main_contour = contours_sorted[0]
# 绘制主轮廓
imgcopy = cv2.drawContours(imgcopy, [main_contour], -1, (0,255,0), 2, cv2.LINE_AA)

这种方法能避免依赖轮廓顺序，解决“首个轮廓并非总是正确”的问题。

方法3：直接使用YOLO8内置轮廓 #

Ultralytics YOLO8的mask对象已经提供了xy属性，可以直接获取处理好的轮廓点，无需再用OpenCV提取：

for result in results:
    masks = result.masks
    for mask in masks:
        # 直接获取轮廓点，转换为OpenCV需要的整数格式
        contour = mask.xy[0].astype(np.int32)
        imgcopy = cv2.drawContours(imgcopy, [contour], -1, (0,255,0), 2, cv2.LINE_AA)

这种方法更高效，且能避免手动提取轮廓带来的多轮廓问题。

内容的提问来源于stack exchange，提问作者me1960