OpenCV-Python：如何合并垂直对齐的字符轮廓并生成整体凸包

我明白你的困扰——僧伽罗语字符的核心部分和垂直修饰符会被识别成独立轮廓，导致最终的凸包分散开。要解决这个问题，我们需要先把垂直对齐的相关轮廓分组合并，再针对合并后的点集计算整体凸包，而不是单独处理每个轮廓。下面是具体的实现步骤和代码：

核心思路 #

• 先获取图像中所有轮廓（而非仅最外层），确保不会遗漏修饰符这类独立小轮廓
• 根据轮廓的水平位置（边界框的x轴范围）分组：僧伽罗语的修饰符与核心字符的左右范围通常重叠或接近，以此作为分组依据
• 合并同一组内的所有轮廓点，再对合并后的点集计算凸包
• 最后绘制合并后的整体凸包

完整代码实现 #

import cv2
import numpy as np

# 1. 读取图像并预处理
img = cv2.imread('input.png', -1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 若你的图像是白底黑字，用THRESH_BINARY_INV更易提取轮廓；黑底白字则改用THRESH_BINARY
ret, threshed_img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

# 2. 获取所有轮廓（RETR_LIST模式获取所有层级的轮廓）
contours, hier = cv2.findContours(threshed_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)

# 3. 计算每个轮廓的边界框与中心坐标，方便后续分组
contour_info = []
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    center_x = x + w / 2
    contour_info.append({
        'contour': cnt,
        'bbox': (x, y, w, h),
        'center_x': center_x
    })

# 按x轴中心排序，让水平位置接近的轮廓排在一起
contour_info.sort(key=lambda x: x['center_x'])

# 4. 对轮廓进行分组：将水平范围重叠/接近的轮廓归为一组
groups = []
current_group = [contour_info[0]] if contour_info else []

for info in contour_info[1:]:
    # 取当前组第一个轮廓的x轴范围
    group_x_start = current_group[0]['bbox'][0]
    group_x_end = group_x_start + current_group[0]['bbox'][2]
    # 取当前轮廓的x轴范围
    curr_x_start = info['bbox'][0]
    curr_x_end = curr_x_start + info['bbox'][2]
    
    # 检查两个轮廓的x范围是否重叠，或中心间距小于阈值（可根据字符大小调整）
    overlap = min(group_x_end, curr_x_end) - max(group_x_start, curr_x_start)
    if overlap > 0 or abs(info['center_x'] - current_group[0]['center_x']) < 20:
        current_group.append(info)
    else:
        groups.append(current_group)
        current_group = [info]

# 加入最后一组轮廓
if current_group:
    groups.append(current_group)

# 5. 合并每组轮廓并绘制凸包
for group in groups:
    # 合并组内所有轮廓的点集
    merged_points = np.concatenate([info['contour'] for info in group])
    # 计算合并点集的凸包
    hull = cv2.convexHull(merged_points)
    # 绘制凸包（红色，线宽1）
    cv2.drawContours(img, [hull], -1, (0, 0, 255), 1)

# 保存结果
cv2.imwrite("output.png", img)

关键细节说明 #

• 阈值化调整：代码中用THRESH_BINARY_INV适配白底黑字的字符图像，如果你的原图是黑底白字，改回THRESH_BINARY即可
• 分组阈值：abs(info['center_x'] - current_group[0]['center_x']) < 20这个数值可以根据字符大小灵活调整——若修饰符与核心字符间距较大，适当调大阈值
• 轮廓获取模式：使用RETR_LIST替代RETR_EXTERNAL，确保能捕获到所有修饰符轮廓，哪怕是独立的小轮廓

这样处理后，垂直对齐的核心字符和修饰符会被合并为一个整体，计算出的凸包就是你想要的完整轮廓效果啦！

内容的提问来源于stack exchange，提问作者Ishara Dayarathna