如何解包cv2.findcontours()返回的可变数量不规则二维numpy元组？

cv2.findContours返回长度可变的元组，每个元素是形状为(N,1,2)的NumPy数组（N为轮廓点数量）。要将其转为Awkward Array并单独访问每个轮廓，可按以下步骤操作：

1. 将轮廓转为Awkward Array #

先把每个轮廓的数组压缩掉冗余的中间维度（从(N,1,2)转为(N,2)），再用ak.from_iterable生成Awkward Array：

import cv2
import awkward as ak

# 读取二值图像并获取轮廓
img = cv2.imread("binary_image.png", cv2.IMREAD_GRAYSCALE)
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 转换为Awkward Array
ak_contours = ak.from_iterable([cnt.squeeze(axis=1) for cnt in contours])

2. 单独访问单个轮廓 #

直接通过索引获取指定轮廓，如需转为NumPy数组进一步操作，使用ak.to_numpy：

# 获取第0个轮廓（Awkward Array格式）
first_contour = ak_contours[0]

# 转为NumPy数组
first_contour_np = ak.to_numpy(first_contour)
# 如需恢复cv2需要的(N,1,2)形状，可reshape
first_contour_cv2 = first_contour_np.reshape(-1, 1, 2)

3. 遍历所有轮廓 #

用for循环直接遍历Awkward Array，逐个处理每个轮廓：

for idx, contour in enumerate(ak_contours):
    # 获取轮廓点数量
    point_count = ak.num(contour)
    print(f"轮廓{idx}包含{point_count}个点")
    
    # 转为NumPy数组并计算面积
    contour_np = ak.to_numpy(contour).reshape(-1,1,2)
    area = cv2.contourArea(contour_np)
    print(f"轮廓{idx}面积：{area:.2f}")

关键说明 #

• cv2返回的轮廓数组自带(N,1,2)的冗余维度，用squeeze(axis=1)压缩后，Awkward Array才能正确识别为可变长度的二维点集合。
• Awkward Array支持向量化操作，比如批量计算所有轮廓的点数量：ak.num(ak_contours)会返回每个轮廓的点数量数组。

内容的提问来源于stack exchange，提问作者Bob Bobinson