Python OpenCV形状识别代码异常：为何检测结果不符合预期？

核心逻辑错误 #

你的代码完全没有实现「形状种类数统计」的功能——当前输出的是检测到的轮廓数量（也就是形状实例的个数），和你预期的「形状种类数」（比如10个圆形就输出1）完全不匹配，这是结果不符合预期的根本原因。

为什么输出为1？ #

如果实际图像中存在多个形状但代码输出1，可能是以下具体问题：

• 二值化阈值不合理：你用了固定阈值127做二值化，如果图像亮度不均匀，多个形状会被合并成一个连续的白色区域，findContours只能检测到一个轮廓。
• 轮廓过滤条件过严：cv2.contourArea(cnt) > 100的过滤规则把大部分小形状的轮廓都过滤掉了，最终只剩一个符合面积要求的轮廓。
• 轮廓检测模式限制：cv2.RETR_EXTERNAL只检测最外层轮廓，如果形状存在嵌套（比如一个形状在另一个内部），内部形状的轮廓会被直接忽略。

修正后的代码（实现形状种类统计） #

要实现「统计形状种类数」的需求，需要先对每个轮廓做形状判断，再统计不同形状的数量：

import cv2
import numpy as np

# 输入处理
num_shapes = int(input("Enter the number of shapes in the image: "))
image_path = input("Enter the path to the image: ")

# 图像读取与预处理
image = cv2.imread(image_path)
if image is None:
    print("Error: Could not read the image.")
    exit()

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 改用自适应阈值，应对亮度不均的情况
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

# 检测所有层级的轮廓，避免遗漏嵌套形状
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 过滤小轮廓，保留有效形状
filtered_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 50]

# 形状判断函数：通过轮廓近似多边形的顶点数区分形状
def get_shape(cnt):
    peri = cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
    vertices = len(approx)
    
    if vertices == 3:
        return "triangle"
    elif vertices == 4:
        x, y, w, h = cv2.boundingRect(approx)
        aspect_ratio = float(w) / h
        if 0.95 <= aspect_ratio <= 1.05:
            return "square"
        else:
            return "rectangle"
    elif vertices > 6:
        return "circle"
    else:
        return "unknown"

# 统计形状种类：用集合自动去重
shape_types = set()
for cnt in filtered_contours:
    shape = get_shape(cnt)
    shape_types.add(shape)

# 输出结果
print("Number of shape types:", len(shape_types))

关键改进点 #

• 改用自适应阈值二值化，避免固定阈值导致的形状合并问题。
• 改用cv2.RETR_TREE检测所有层级的轮廓，不会遗漏嵌套形状。
• 添加了形状判断逻辑，通过轮廓近似多边形的顶点数区分不同形状。
• 用集合shape_types自动去重，准确统计不同形状的种类数。

内容的提问来源于stack exchange，提问作者Ilia Kh