可识别区分图像中相互分离的独立形状的相关算法

存在完全匹配需求的成熟计算机视觉算法，你要实现的「按形状是否相互分离来拆分识别独立形状」是CV领域非常经典的基础任务，用连通域分析（Connected Components Analysis，简称CCA） 就能直接实现，和你给出的示例效果完全匹配。

核心实现流程 #

• 第一步：图像预处理
  先把输入图像转为灰度图，再通过二值化操作把形状和背景做像素级区分：通常把背景像素值设为0，所有属于形状的前景像素值设为255。如果原图有噪点，可以先做一次高斯模糊去除杂点，避免细碎噪点被误判为独立形状。如果形状之间有很细的线条粘连，可以加一步形态学腐蚀操作，先把细粘连处断开，避免把本该分离的形状识别成一个整体。
• 第二步：连通域标记（核心步骤）
  对处理好的二值图运行连通域检测算法即可，常用的实现包括两遍扫描法（Two-Pass）、种子填充法（Seed-Filling）。现在OpenCV等常用计算机视觉库都已经封装好了现成的连通域检测接口，不需要从头实现算法逻辑，传入二值图和邻域参数就能直接得到标记结果：
  算法会按照你设定的邻域规则（4邻域：仅判定上下左右相邻的像素为连通；8邻域：额外把对角线方向相邻的像素也算作连通），自动把所有互相连通的像素归为同一个独立对象，完全不接触、像素不连通的形状自然会被标记为不同的独立个体，刚好匹配你「以是否相互分离为判断依据」的要求。
• 第三步：结果输出
  检测完成后，你可以给每个独立连通域分配随机的区分色做可视化，就能得到和示例一致的效果；也可以单独提取每个形状的轮廓、外接框、面积、周长等属性，做后续的形状特征分析。

注意：邻域规则需要根据你的实际场景调整：如果你的形状哪怕斜向碰到一点就算作同一个整体，就选8邻域；如果只有上下左右实打实挨上才算连接，就选4邻域，避免误判。

目标效果示例

内容的提问来源于stack exchange，提问作者MomoVR