OpenCV-Python中轮廓质心是否始终等于其几何中心？求解疑问

你的理解完全正确！OpenCV通过cv.moments()计算的质心，本质上就是轮廓所有检测点的算术平均值。如果轮廓上的点分布不均匀——比如你说的上部检测点少、下部点多，那计算出来的质心确实会偏向点更密集的一侧（这里纠正个小细节：上部点少、下部点多的话，质心应该是偏低，而非偏高哦）。

那回到你的第二个问题：用轮廓极值点的均值求几何中心是否更好？这得看你对“几何中心”的定义是什么：

• 如果你想要的是包围轮廓的最小矩形的中心（也就是完全不依赖轮廓点密度的“几何中心”），那这个方法确实更稳定。不管轮廓点怎么分布，只要能准确抓到最左、最右、最上、最下的极值点，就能得到一致的结果。实现起来也很简单，两种方式任选其一：

  # 方法1：用OpenCV自带函数计算外接矩形中心
  x, y, w, h = cv.boundingRect(cnt)
  cx_geo = x + w // 2
  cy_geo = y + h // 2
  
  # 方法2：手动提取坐标极值计算
  x_coords = cnt[:, :, 0].flatten()
  y_coords = cnt[:, :, 1].flatten()
  cx_geo = (x_coords.min() + x_coords.max()) // 2
  cy_geo = (y_coords.min() + y_coords.max()) // 2
  

• 但如果你想要的是形状本身的重心（比如实心图形的质量中心），那极值点均值就不合适了——比如一个月牙形，外接矩形中心和它的重心位置差得很远。这种情况下，更建议先对轮廓做均匀采样处理，比如用cv.approxPolyDP()简化轮廓，让点分布更均匀，再用cv.moments()计算质心，结果会更准确。

总结一下：两种方法没有绝对的优劣，关键看你的实际需求——是要边界框的中心，还是形状本身的重心。

内容的提问来源于stack exchange，提问作者Outcast