OpenCV计算目标中心与面积时因moments()返回零触发ZeroDivisionError

问题根源 #

你遇到的ZeroDivisionError是因为其中一个轮廓是一维线段（对应掩码底部的整行1），这类轮廓的面积为0，导致计算矩时M["m00"]（零阶矩，代表面积）为0，触发除法错误。OpenCV的findContours会检测所有连通的前景区域，包括仅由线组成的一维结构。

修复方案 #

1. 过滤无效轮廓（零面积）

在处理轮廓前，先筛选掉面积小于极小阈值的轮廓（避免浮点精度误差）：

import numpy as np
import cv2

binary_mask = np.array([
    [0, 0, 1, 1, 0, 0],
    [0, 0, 1, 1, 0, 0],
    [0, 0, 0, 0, 0, 0],
    [1, 1, 1, 1, 1, 1]])

contours, _ = cv2.findContours(
    binary_mask.astype(np.uint8),
    cv2.RETR_EXTERNAL,
    cv2.CHAIN_APPROX_SIMPLE)

# 过滤掉面积接近0的轮廓
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 1e-6]

2. 增强中心计算函数的鲁棒性

在计算中心前，先检查M["m00"]是否有效，避免除法错误：

def get_centroid_from_contour(contour):
    M = cv2.moments(contour)
    if M["m00"] < 1e-6:
        return None  # 无有效面积，返回None
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])
    return (cX, cY)

# 处理有效轮廓
for cnt in valid_contours:
    area = cv2.contourArea(cnt)
    centroid = get_centroid_from_contour(cnt)
    print(f"面积: {area}, 中心坐标: {centroid}")

3. 可选：调整轮廓检测模式（针对特定场景）

如果你只关心闭合的二维区域，可以尝试调整findContours的检索模式（如cv2.RETR_CCOMP或cv2.RETR_TREE），但过滤零面积轮廓是更通用的解决方案。

测试结果 #

运行上述代码后，只会处理2×2的方形目标：

面积: 4.0, 中心坐标: (2, 0)

（注：实际浮点中心为(2.5, 0.5)，可根据需求修改代码保留小数）

内容的提问来源于stack exchange，提问作者Luca Clissa