列表推导式报错ValueError：数组真值判断歧义的解决方法

报错原因 #

你遇到的错误根源在于numpy数组的成员判断逻辑：每个轮廓c是numpy数组，当执行x not in cnts_area时，Python会尝试逐个比较x和cnts_area中的元素是否相等。但numpy数组直接用==比较会返回一个布尔数组（而非单个布尔值），Python无法将这个数组转换为判断“存在/不存在”的单一布尔结果，因此触发歧义错误。

解决方案 #

最直接高效的方式是直接在遍历轮廓时筛选符合条件的对象，避免后续的数组成员判断操作。

优化后的代码

cnts_keep = []
min_area = 你的最小面积阈值
max_area = 你的最大面积阈值

for c in cnts_list:
    x, y, w, h = cv2.boundingRect(c)
    cnt_area = w * h
    # 同时满足三个条件：面积不为0、边界矩形面积在阈值内、轮廓面积不超过最大值
    if cnt_area != 0 and min_area <= cnt_area <= max_area and cv2.contourArea(c) <= max_area:
        cnts_keep.append(c)

列表推导式版本

如果偏好简洁的写法，可以用列表推导式实现相同逻辑：

min_area = 你的最小面积阈值
max_area = 你的最大面积阈值

cnts_keep = [
    c for c in cnts_list
    if (cv2.boundingRect(c)[2] * cv2.boundingRect(c)[3] != 0
        and min_area <= cv2.boundingRect(c)[2] * cv2.boundingRect(c)[3] <= max_area
        and cv2.contourArea(c) <= max_area)
]

若坚持原逻辑的修正方案 #

如果一定要先收集需要剔除的轮廓再筛选，需要用np.array_equal()来判断两个轮廓数组是否完全相等，避免直接用in操作：

import numpy as np

cnts_area = []
min_area = 你的最小面积阈值
max_area = 你的最大面积阈值

for c in cnts_list:
    x, y, w, h = cv2.boundingRect(c)
    cnt_area = w * h
    if cnt_area == 0 or cnt_area < min_area or cv2.contourArea(c) > max_area:
        cnts_area.append(c)

# 遍历原列表，用np.array_equal逐个比较判断是否保留
cnts_keep = [
    x for x in cnts_list
    if not any(np.array_equal(x, elem) for elem in cnts_area)
]

注意：这种方法效率较低（每次判断都要遍历cnts_area），仅推荐在特殊场景下使用。

内容的提问来源于stack exchange，提问作者jcat