Python 将接触对象的轮廓作为两个不同的轮廓查找

我想知道如何使用Python中的cv2.findContours将相互连接的对象计算为两个不同的对象

例如，此图像：

将输出一个轮廓。

---

如何获得两个轮廓？

这可以通过将输入图像转换为边缘图像，然后检测轮廓来实现。但在本例中，在两个对象的交点处出现了一个边缘图像中断（我尝试使用canny），如下所示

闯入Canny：

然而，预期的边缘图像应该在边界处具有白色的所有像素

预期的边缘图像：

因此，为了得到这个完美的边缘图像，我在下面创建了一个共享的algo（这个algo只适用于像这样的带有白色填充对象的二值图像）

在使用此算法之前，请确保对象不位于边界上，即图像的所有边界像素都应为黑色。如果不是黑色，请在图像的所有侧面添加黑色边框，长度为1像素

# Creating black image of same shape and single channel
edge = np.zeros(img.shape, dtype = np.uint8)
h, w = img.shape[:2]

# Iterating over each pixel except those at the boundary
for i in range(1, h-1):
    for j in range(1, w-1):
        # if current pixel is white
        if img[i][j] == 255:
            # roi is the image of 9 pixel from around the current pixel
            roi = img[i-1:i+2, j-1:j+2].copy()
            # Counting number of black pixel in the neighbourhood of current pixel
            blackCount = np.sum(roi == 0)
            # if a neighbouring pixel is black, then current pixel is a boundary pixel.
            if blackCount > 0:
                edge[i][j] = 255

找到边缘图像后，获取图像中的所有轮廓：

cont, hier = cv2.findContours(edge, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

对于该图像，您将获得3个轮廓，2个用于两个对象，1个用于两个对象的组合。要消除组合的两个对象的轮廓，请使用层次信息

# I am taking only those contours which do not have a child contour.
finalContours = np.asarray([cont[i] for i in range(len(cont)) if hier[0][i][2] == -1])

“finalContours”将具有两个对象的两个轮廓

# I am taking only those contours which do not have a child contour.
finalContours = np.asarray([cont[i] for i in range(len(cont)) if hier[0][i][2] == -1])