如何分割相交正方形以统计图像中正方形的总数量

你可以不需要先分割相交正方形，直接通过霍夫直线检测+正方形特征匹配的方式完成统计，也可以通过距离变换+分水岭算法先分割相交区域后再做统计，两种方式都可以实现需求，前者实现更简单。

具体实现步骤 #

• 首先在你现有二值化结果的基础上做一次开运算，消除残留的细碎噪点，避免后续检测受干扰
• 用霍夫直线变换检测图像中所有的水平、竖直直线段，过滤掉长度过短的无效线段
• 遍历所有线段组合，匹配满足「四条边长度近似相等、相邻边夹角近似90度、四个端点闭合」特征的组合，每匹配到一组就计数+1
• 针对相交的正方形轮廓，可以通过角点数量辅助校验，进一步提升计数准确率

完整可运行代码 #

import cv2
import numpy as np
import matplotlib.pyplot as plt 

# 读取并预处理图像
image = cv2.imread("1.bmp")
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

# 二值化+开运算去噪
_, binary = cv2.threshold(gray, 3, 255, cv2.THRESH_BINARY)
kernel = np.ones((3,3), np.uint8)
binary = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=2)

# 统计正方形数量
square_count = 0
# 先检测外轮廓做初步筛选
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    # 过滤小面积噪声
    area = cv2.contourArea(cnt)
    if area < 100:
        continue
    # 多边形拟合识别独立正方形
    epsilon = 0.02 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    if len(approx) == 4:
        x,y,w,h = cv2.boundingRect(approx)
        aspect_ratio = float(w)/h
        if 0.95 <= aspect_ratio <= 1.05:
            square_count +=1
    # 处理相交的正方形轮廓：通过角点数量估算
    else:
        mask = np.zeros_like(binary)
        cv2.drawContours(mask, [cnt], -1, 255, -1)
        corners = cv2.goodFeaturesToTrack(mask, maxCorners=100, qualityLevel=0.01, minDistance=10)
        corners = np.int0(corners)
        square_count += len(corners)//4

print(f"检测到的正方形总数为：{square_count}")

# 可视化结果
plt.imshow(binary, cmap="gray")
plt.title(f"Square count: {square_count}")
plt.show()

如果你的场景中正方形大小统一，可以直接在代码中加入边长校验逻辑，进一步提升检测准确率；如果相交情况非常复杂，可以替换为分水岭分割方案，先拆分每个独立的正方形区域再做计数。

内容的提问来源于stack exchange，提问作者rangihrad