如何统计给定二维数组中背景为0、主体有值的轮廓像素数量

有两种成熟的稳定实现，都适配任意形状的二值主体，支持批量处理：

方案1：基于二值形态学运算（依赖scipy，逻辑更直观） #

原理：二值图像的边缘像素，等价于「原1值区域」减去「对原1值区域做腐蚀操作后保留的核心1值区域」，剩余的像素就是所有边缘像素，直接求和就能得到总数。
支持自由切换边缘判定规则：

• 4邻域：仅上下左右相邻存在0像素就算边缘
• 8邻域：上下左右+斜向相邻存在0像素就算边缘

代码示例：

import numpy as np
from scipy.ndimage import binary_erosion

# 单图处理，img为shape=(H,W)的二值numpy数组，值为0/1
def count_edge_pixels_single(img, connectivity=4):
    # 生成对应邻域的腐蚀核
    if connectivity == 4:
        kernel = np.array([[0,1,0],
                           [1,1,1],
                           [0,1,0]], dtype=np.uint8)
    else: # 8邻域
        kernel = np.ones((3,3), dtype=np.uint8)
    eroded = binary_erosion(img, structure=kernel)
    # 边缘掩码 = 原图 - 腐蚀后图，求和就是边缘像素总数
    edge_count = np.sum(img - eroded)
    return edge_count

# 批量处理，batch_imgs为shape=(N, H, W)的批量二值数组，N为图像数量
def count_edge_pixels_batch(batch_imgs, connectivity=4):
    if connectivity == 4:
        kernel = np.array([[0,1,0],
                           [1,1,1],
                           [0,1,0]], dtype=np.uint8)
    else:
        kernel = np.ones((3,3), dtype=np.uint8)
    # binary_erosion原生支持对高维数组的最后两维做运算，无需逐图循环
    eroded_batch = binary_erosion(batch_imgs, structure=kernel)
    # 逐张求和，返回shape=(N,)的数组，每个元素对应一张图的边缘像素总数
    edge_counts = np.sum(batch_imgs - eroded_batch, axis=(1,2))
    return edge_counts

方案2：基于OpenCV的轮廓检测（依赖opencv-python，适合需要同时获取轮廓坐标的场景） #

如果后续需要用到轮廓的坐标信息，可以直接用OpenCV的findContours接口，统计所有轮廓点的数量即可：

import numpy as np
import cv2

def count_edge_pixels_single_cv(img):
    # img为shape=(H,W)的二值数组，0/1或者0/255格式都支持
    # RETR_TREE表示取所有层级的轮廓，CHAIN_APPROX_NONE表示保留所有轮廓点不压缩
    contours, _ = cv2.findContours(img.astype(np.uint8), cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    edge_count = sum([len(cnt) for cnt in contours])
    return edge_count

# 批量处理
def count_edge_pixels_batch_cv(batch_imgs):
    return np.array([count_edge_pixels_single_cv(img) for img in batch_imgs])

• 两种方案的结果差异仅来自邻域判定规则，scipy方案可以自由切换4/8邻域，OpenCV的findContours默认是4邻域边缘判定
• 批量处理时如果图像数量极大，可以把batch拆分成小批次处理，避免内存溢出
• 输入的二值数组不需要提前转成0/255格式，0/1的浮点或整数数组都可以直接处理

内容的提问来源于stack exchange，提问作者Igor Kolesnikov