如何使用cv2.findContours将相连物体识别为两个独立轮廓？

这问题我之前处理类似场景时也碰到过！核心原因是你的图像中两个物体属于同一个连通域，OpenCV的轮廓检测是基于连通组件分析的，自然会把它们当成一个整体。下面分享几个实用的解决思路，亲测有效：

方法1：形态学腐蚀断开连接 #

如果两个物体之间的连接比较细，用腐蚀操作缩小前景物体，刚好能断开连接，之后再检测轮廓就能得到独立的两个物体。

示例代码：

import cv2
import numpy as np

# 读取图像并转为灰度图
img = cv2.imread("your_image_path.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化（根据你的图像调整阈值，这里用反相阈值让前景为白色）
_, binary_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 定义结构元素（小尺寸矩形，避免过度腐蚀）
kernel = np.ones((3, 3), np.uint8)
# 腐蚀操作，断开物体间的连接
eroded_img = cv2.erode(binary_img, kernel, iterations=1)

# 检测最外层轮廓（RETR_EXTERNAL只返回最外层，避免嵌套轮廓干扰）
contours, hierarchy = cv2.findContours(eroded_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

print(f"检测到的轮廓数量：{len(contours)}")

注意事项： #

• iterations参数要根据连接的粗细调整，太大可能会把物体本身腐蚀变形，建议从1开始测试。
• 可以用cv2.imshow("Eroded Result", eroded_img)查看腐蚀后的效果，确认连接是否断开。

方法2：分水岭算法分割紧密连接的物体 #

如果两个物体连接比较紧密，形态学操作效果不好，推荐用分水岭算法，它能基于距离变换精准分割相连的物体。

示例代码：

import cv2
import numpy as np

img = cv2.imread("your_image_path.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化得到前景掩码
_, binary_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 距离变换：计算每个前景像素到背景的距离，距离越大越接近物体中心
dist_transform = cv2.distanceTransform(binary_img, cv2.DIST_L2, 5)
# 阈值化得到确定的前景区域（种子点）
_, sure_fg = cv2.threshold(dist_transform, 0.5 * dist_transform.max(), 255, 0)
sure_fg = np.uint8(sure_fg)

# 膨胀得到确定的背景区域
sure_bg = cv2.dilate(binary_img, np.ones((3, 3), np.uint8), iterations=3)
# 计算未知区域（背景减去确定前景）
unknown = cv2.subtract(sure_bg, sure_fg)

# 标记连通组件作为种子
_, markers = cv2.connectedComponents(sure_fg)
# 所有标记加1，让未知区域为0（分水岭算法要求）
markers = markers + 1
markers[unknown == 255] = 0

# 应用分水岭算法分割
markers = cv2.watershed(img, markers)
# 用红色标记分割线（可选，用于可视化）
img[markers == -1] = [255, 0, 0]

# 从标记结果中提取两个物体的轮廓
obj1_mask = np.uint8(markers == 2) * 255
obj2_mask = np.uint8(markers == 3) * 255

contours1, _ = cv2.findContours(obj1_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours2, _ = cv2.findContours(obj2_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

all_contours = contours1 + contours2
print(f"检测到的轮廓数量：{len(all_contours)}")

关键思路总结 #

OpenCV的findContours是基于连通域工作的，所以要让两个物体被识别为独立轮廓，必须先在预处理阶段把它们分成两个独立的连通域。选择哪种方法取决于物体连接的紧密程度：

• 细连接用形态学腐蚀最快捷；
• 紧密连接用水分水岭算法更精准；
• 如果是彩色图像，还可以先通过颜色空间（比如HSV）提取目标颜色，再做二值化，可能能更轻松地分离物体。

内容的提问来源于stack exchange，提问作者Cephou