OpenCV为何检测到面积与像素长度均为0的轮廓？

我有一个文件夹，里面全是以黑色为主、点缀白色斑点的PNG图像（已附上示例图）。我编写代码输出检测到的每个轮廓面积，但多数轮廓的面积为0。由于面积以像素为单位，我十分困惑这类伪影为何会被检测到。
代码如下：

black = (0,0,0)
color0 = (0,0,255) #Blue Green Red

directory = 'C:/Users/mtl/PIPELINE/SUBTRACTED_deNoised_completed_frames/*.PNG' 
file_list = glob.glob(directory)

# Read through folder and contour #
i=0
for filename in file_list:
    img_read = cv2.imread(filename)
    img = cv2.cvtColor(img_read, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(img, 5, 255, cv2.THRESH_BINARY)
    contours, _= cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    black_image = np.zeros((1192, 1192, 3), dtype=np.uint8)  

    for cnt in contours :
        color=0
        area = cv2.contourArea(cnt)
        print(area)

代码输出了数值，但大部分为0，为何OpenCV会识别出无面积的轮廓？尤其是我认为测量单位为像素的情况下。

原因分析 #

• 轮廓点数量不足：cv2.contourArea()计算面积的前提是轮廓构成封闭区域。如果轮廓只有1个孤立点，或是2个点组成的线段，没有封闭区域，面积就会返回0。
• 轮廓逼近模式的影响：你使用的cv2.CHAIN_APPROX_NONE会保留轮廓上的所有像素点，图像中孤立的单白色像素、相邻两个白色像素组成的线段，都会被检测成轮廓，这类轮廓自然没有面积。
• 阈值残留噪声：即使做过去噪处理，阈值化后仍可能残留单像素级的噪声点，这些点会被findContours识别为极小轮廓。

解决方法 #

• 过滤小面积轮廓：遍历轮廓时直接跳过面积小于阈值的无效轮廓，比如只保留面积大于1的：

  for cnt in contours :
      area = cv2.contourArea(cnt)
      if area > 1:
          print(area)
  

• 切换轮廓逼近模式：把cv2.CHAIN_APPROX_NONE换成cv2.CHAIN_APPROX_SIMPLE，它会自动压缩轮廓上的冗余点，减少无效轮廓的生成：

  contours, _= cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  

• 增加去噪步骤：阈值处理前再做一次去噪，比如用中值滤波过滤单像素噪声：

  img = cv2.cvtColor(img_read, cv2.COLOR_BGR2GRAY)
  img = cv2.medianBlur(img, 3)  # 3x3中值滤波
  _, thresh = cv2.threshold(img, 5, 255, cv2.THRESH_BINARY)
  

• 调整阈值参数：适当提高阈值（比如把5调高到10），过滤掉更暗的噪声点，避免它们被二值化为白色。

内容的提问来源于stack exchange，提问作者mtllama