OCR字符分割求助：数字3、8轮廓提取失效问题

嘿，作为图像处理新手遇到这个问题太正常了——数字3、8这类带内部闭合孔洞的字符，刚好踩中了你当前用的RETR_EXTERNAL轮廓检索模式的“盲区”，我来给你拆解问题和解决方案：

问题根源 #

你用的cv2.RETR_EXTERNAL只会提取最外层的轮廓，完全忽略内部嵌套的轮廓。对于3、8这种字符：

• 如果你的二值化结果是「黑字白底」，字符的内部孔洞是白色背景，这时候RETR_EXTERNAL只能拿到字符的外框，但如果预处理时字符边缘有断裂，可能导致轮廓不完整；
• 如果是「黑底白字」（字符为白色），内部孔洞是黑色，这时候孔洞的轮廓会被RETR_EXTERNAL当成独立的“外部轮廓”，直接导致3、8被分割成多个小块（比如8会被分成3个轮廓：外框+两个孔洞），自然就异常了。

针对性解决方案 #

1. 调整轮廓检索模式 #

把RETR_EXTERNAL换成cv2.RETR_CCOMP或者cv2.RETR_TREE，这两个模式支持提取多层轮廓（包括内部孔洞），再通过轮廓层级筛选出真正的字符主体轮廓。

修改后的完整代码示例：

import cv2

# 读取图像（注意：OpenCV默认读入为BGR格式，不是RGB）
img = cv2.imread("你的预处理后图像路径.jpg")
imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 二值化：确保字符是黑色前景、白色背景（如果原图像是反的，用THRESH_BINARY_INV反转）
ret, imgThresh = cv2.threshold(imgGray, 127, 255, cv2.THRESH_BINARY_INV)

# 用RETR_CCOMP提取轮廓+层级信息
_, contours, hierarchy = cv2.findContours(imgThresh, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

# 筛选字符主体轮廓：层级中[3]为-1表示是最外层轮廓（无父轮廓），忽略内部孔洞的子轮廓
char_contours = []
for idx, cnt in enumerate(contours):
    # 层级结构说明：[Next, Previous, First Child, Parent]
    if hierarchy[0][idx][3] == -1:
        char_contours.append(cnt)

# 可视化分割结果（绘制外接矩形）
for cnt in char_contours:
    x, y, w, h = cv2.boundingRect(cnt)
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

cv2.imshow("分割后的字符", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 优化预处理步骤（可选但推荐） #

固定阈值127可能适配性差，建议换成自适应阈值处理光照不均的情况，同时加形态学操作修复字符边缘：

# 替换原二值化步骤为自适应阈值
imgThresh = cv2.adaptiveThreshold(
    imgGray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
    cv2.THRESH_BINARY_INV, 11, 2
)

# 形态学膨胀：修复字符细微断裂，让轮廓更完整
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
imgThresh = cv2.morphologyEx(imgThresh, cv2.MORPH_DILATE, kernel)

关键说明 #

• RETR_CCOMP会把轮廓分成两级：外层轮廓（字符主体）和内层轮廓（孔洞），通过hierarchy[0][idx][3] == -1可以精准筛选出外层的字符轮廓，完全避开内部孔洞的干扰；
• 如果你的图像是用PIL等工具读入的RGB格式，那COLOR_RGB2GRAY是对的，但如果是OpenCV读入的，一定要改成COLOR_BGR2GRAY，否则颜色转换会出错，间接影响轮廓提取。

内容的提问来源于stack exchange，提问作者Mohamed Thasin ah