OpenCV中contourArea函数不符合预期的问题排查

操作流程 #

我按照OpenCV相关指南对乐高图片的轮廓按面积大小排序，步骤如下：

1. 计算边缘图 #

先对图片各通道分别做模糊、边缘检测，再合并得到最终边缘图：

# 加载图片并初始化累积边缘图
image = cv2.imread("legos.png")
accumEdged = np.zeros(image.shape[:2], dtype="uint8")
# 遍历蓝、绿、红三个通道
for chan in cv2.split(image):
    # 通道模糊、边缘检测，累积边缘结果
    chan = cv2.medianBlur(chan, 11)
    edged = cv2.Canny(chan, 50, 200)
    accumEdged = cv2.bitwise_or(accumEdged, edged)
# 保存边缘图
cv2.imwrite("images/Edge_Map.png", accumEdged)

2. 提取并绘制轮廓 #

定义绘制函数，提取轮廓后按面积排序并绘制：

def draw_contour(image, c, color):
    # 计算轮廓中心
    M = cv2.moments(c)
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])
    # 绘制轮廓及面积文本
    cv2.drawContours(image, [c], -1, color, 2)
    cv2.putText(image, str(cv2.contourArea(c)), (cX - 10, cY - 15), cv2.FONT_HERSHEY_SIMPLEX, 0.65, color,2)

# 在累积边缘图中查找轮廓
cnts = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

# 按轮廓面积降序排序
sorted_cnts = sorted(cnts, key=cv2.contourArea, reverse=True)

# 绘制指定轮廓
draw_contour(image, sorted_cnts[0], (0, 0, 0))  # 第四个积木
draw_contour(image, sorted_cnts[4], (80, 0, 80))  # 小圆圈
draw_contour(image, sorted_cnts[6], (255, 255, 255))  # 第三个积木

问题现象 #

排序结果不符合预期：第5个轮廓的面积为229，实际比第7个面积为130的轮廓大，但排序后位置更靠后。

cv2.contourArea计算逻辑 #

cv2.contourArea基于**鞋带算法（Shoelace Formula，由格林公式推导而来）**计算，核心是通过轮廓点的坐标计算多边形包围区域的面积，需注意两个关键细节：

1. 符号与轮廓方向：返回的面积值符号由轮廓的缠绕方向决定——逆时针轮廓返回正数，顺时针轮廓返回负数，面积的绝对值才是实际区域大小。
2. 闭合性处理：算法默认输入轮廓是闭合的，即使输入的轮廓点未重复第一个点，也会自动闭合计算。

排序异常的原因与解决 #

你的问题大概率是部分轮廓返回了负的面积值，直接用原始值排序时，负数会被判定为小于正数，导致实际面积更大的负数值排在正数后面（比如-229 < 130，排序后130会在-229前面）。

解决方法是排序时使用面积的绝对值作为判断依据：

sorted_cnts = sorted(cnts, key=lambda x: abs(cv2.contourArea(x)), reverse=True)

相关图片 #

• 初始图片：
• 边缘图：
• 最终图片：

内容的提问来源于stack exchange，提问作者benjamin