从二值掩码生成独立边界框：解决小掩码被误合并问题

核心原因 #

问题大概率源于图像中存在微小噪声连接了相邻掩码，或是当前轮廓检索模式提取了嵌套轮廓，导致cv2.findContours误将多个独立掩码识别为一个整体轮廓。

解决方案 #

1. 调整cv2.findContours参数 #

将轮廓检索模式从cv2.RETR_TREE改为cv2.RETR_EXTERNAL，该模式仅提取最外层的独立轮廓，忽略所有嵌套子轮廓，能有效避免多个掩码的组合轮廓被误判：

contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:]

2. 预处理优化（关键步骤） #

添加形态学开运算，用3x3结构元素先腐蚀后膨胀，消除掩码边缘的微小噪声点，确保相邻掩码之间的1像素间隙不被噪声填充：

import numpy as np
# 在阈值化后执行开运算
kernel = np.ones((3, 3), np.uint8)
binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)

3. 后处理过滤 #

添加轮廓面积过滤，排除噪声产生的极小轮廓，保证只保留真实掩码的轮廓：

min_area = 5  # 根据你的掩码实际大小调整阈值
for c in contours:
    area = cv2.contourArea(c)
    if area < min_area:
        continue
    # 后续边界框计算代码

优化后的完整代码 #

import cv2
import numpy as np
import os

def generateBB(maskImage, filePath, min_area=5):
    # 阈值化：将黑色掩码转为白色，背景转为黑色
    _, binary = cv2.threshold(maskImage, 225, 255, cv2.THRESH_BINARY_INV)
    
    # 形态学开运算：消除噪声，确保掩码间隙清晰
    kernel = np.ones((3, 3), np.uint8)
    binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
    
    # 提取最外层独立轮廓
    contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2:]
    
    with open(os.path.join(filePath, "Name.txt"), 'w') as f:
        for c in contours:
            area = cv2.contourArea(c)
            # 过滤过小的噪声轮廓
            if area < min_area:
                continue
            
            x, y, w, h = cv2.boundingRect(c)
            # 计算边界框中心坐标与尺寸
            xCoord = x + w / 2
            yCoord = y + h / 2
            width = w
            height = h
        
            f.write(f'{xCoord} {yCoord} {width} {height}\n')

内容的提问来源于stack exchange，提问作者Hjalte