Python 在图像中获得超过预期的轮廓

我有一张几乎90次由

N

组成的图像，但我使用以下代码得到了105个轮廓：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#cv2.imshow("Image", gray)
#cv2.waitKey(0)

blurred = cv2.GaussianBlur(gray, (5, 5), 0) #blur to reduce noise
#cv2.imshow("Image", blurred)
#cv2.waitKey(0)

# perform edge detection, find contours in the edge map, and sort the
# resulting contours from left-to-right
edged = cv2.Canny(blurred, 30, 150) #30, 150
#cv2.imwrite("test.png", edged)
#cv2.imshow("Image", edged)
#cv2.waitKey(0)

#find contours of characters(objects) in images
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
if cnts:
    cnts = sort_contours(cnts, method="left-to-right")[0]

cv2.drawContours(image, cnts, -1, (0, 0, 255), 2)
cv2.imwrite("all_contours.jpg", image) 

我在

Canny

和

findContours

函数中尝试了不同的组合，但无法得到与

image

中

N

个数相等的轮廓

我的形象：

具有轮廓的图像：

看轮廓图，我看不出问题出在哪里。 任何帮助或暗示都将不胜感激

---

附：这张图片是测试的理想图片。在真实场景中，图像将从网络摄像头中拍摄。

请不要使图像模糊

导入cv2
image=cv2.imread（“n.png”）
图像=cv2。调整大小（图像，（800800））
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
_，threshold=cv2.阈值（灰色，100255，cv2.阈值\u二进制\u INV）
轮廓，层次=cv2.findContours（阈值，cv2.RETR\u外部，cv2.CHAIN\u近似值\u无）
cv2.putText（图像，“图像中发现的轮廓：”+str（len（轮廓）），（20,20），cv2.FONT\u HERSHEY\u PLAIN，1，（255,0,0），1）
cv2.绘制等高线（图像，等高线，-1，（0,0,255），-1）
cv2.imshow（“轮廓图像”，图像）
cv2.等待键（0）
cv2.destroyAllWindows（）

---

这是可行的，但此图像是测试的理想图像。在真实场景中，图像将从网络摄像头中获取。所以去除噪声和精明的边缘检测会更好（我猜）。您的意见是什么？您可以使用

双边筛选

而不是

高斯模糊

。双边过滤器将平滑您的图像，减少噪音，同时保留边缘。查看有关双边过滤器的更多信息