OpenCV计算运动土豆轮廓面积时如何获取最优参考值

你现有代码的核心问题是有效面积存储数组、均值计算逻辑都放在了轮廓遍历循环内部，每次循环都会重新创建仅包含当前单个面积值的数组，之前遍历到的轮廓面积会被完全覆盖，根本没有累计所有符合阈值的轮廓数据，自然算不出正确的整体均值。
调整逻辑如下：

• 遍历轮廓前，先初始化空列表，专门存储所有符合面积阈值的有效轮廓面积
• 遍历轮廓时，仅把满足area > 100阈值的面积值追加到预先定义的列表中，不要在循环内部执行均值计算
• 所有轮廓遍历完成后，先判断有效面积列表是否为空（避免没有检测到有效轮廓时触发计算报错），再对收集到的全量有效面积计算平均值
• 如果需要更稳定的项目参考值，可以在计算均值前增加离群值过滤步骤，剔除传送带上脏污、反光、轮廓残缺带来的异常面积值，最终结果会更贴合土豆的真实轮廓面积

修正后代码 #

import cv2 as cv
import numpy as np
import statistics

# contours 为cv.findContours输出的轮廓集合
valid_areas = [] # 循环外初始化有效面积存储列表
for cnt in contours:
    area = cv.contourArea(cnt)
    # 过滤面积小于100的噪点轮廓
    if area > 100:
        valid_areas.append(area)

if len(valid_areas) > 0:
    # 基础平均面积计算
    mean_area = statistics.mean(valid_areas)
    print(f"有效轮廓平均面积: {mean_area}")

    # 可选：通过2σ原则过滤离群值，获得更稳定的参考值
    if len(valid_areas) > 1:
        area_std = statistics.stdev(valid_areas)
        stable_areas = [a for a in valid_areas if abs(a - mean_area) <= 2 * area_std]
        stable_mean = statistics.mean(stable_areas)
        print(f"过滤离群值后的稳定平均面积: {stable_mean}")
else:
    print("未检测到符合阈值的有效轮廓，请检查阈值或轮廓提取逻辑")

提示：代码中设置的100像素面积阈值需要根据你的相机分辨率、拍摄视场大小、土豆实际尺寸校准，阈值不合理会导致小尺寸土豆被误判为噪点过滤，或是把传送带上的脏点、反光噪点计入有效数据，影响最终结果准确性。

内容的提问来源于stack exchange，提问作者Nitesh Silwal