OpenCV中如何闭合截断轮廓并计算其轮廓面积？

当轮廓被图像边缘截断时，OpenCV的cv2.findContours()会将其识别为非闭合轮廓，导致cv2.contourArea()无法返回有效数值。以下是几种实用的解决方案：

方案1：手动闭合截断轮廓 #

针对被边缘截断的轮廓，手动将其端点与图像边界连接，生成闭合轮廓后再计算面积。以右侧截断为例：

import numpy as np

def close_right_truncated_contour(contour, img_width):
    # 提取轮廓的x、y坐标
    xs = contour[:, :, 0].flatten()
    ys = contour[:, :, 1].flatten()
    
    # 判断是否右侧截断（x最大值接近图像宽度）
    if max(xs) >= img_width - 5:  # 5为容错阈值，可按需调整
        # 找到轮廓的上下端点
        top_y_idx = ys.argmin()
        bottom_y_idx = ys.argmax()
        top_point = (xs[top_y_idx], ys[top_y_idx])
        bottom_point = (xs[bottom_y_idx], ys[bottom_y_idx])
        
        # 添加图像右边缘的连接点，生成闭合轮廓
        edge_points = [
            (img_width - 1, ys[top_y_idx]),
            (img_width - 1, ys[bottom_y_idx])
        ]
        # 拼接原轮廓和新点，转换为OpenCV轮廓格式
        new_contour = np.vstack([
            contour,
            np.array(edge_points, dtype=np.int32).reshape(-1, 1, 2),
            np.array([bottom_point], dtype=np.int32).reshape(-1, 1, 2)
        ])
        return new_contour
    return contour

# 在原代码中替换轮廓处理部分
filtered_contours = []
img_width = frame_prob.shape[1]
for cnt in contours:
    closed_cnt = close_right_truncated_contour(cnt, img_width)
    area = cv2.contourArea(closed_cnt)
    if area > min_area_threshold:
        filtered_contours.append(closed_cnt)

注：可根据实际截断方向（左、上、下），修改函数逻辑处理其他边界的截断情况

方案2：直接统计掩码像素数（最简便可靠） #

既然已经生成了二值掩码mask，直接统计掩码中白色像素的数量，就是目标区域的真实面积，完全不需要依赖轮廓检测：

# 替换原有的轮廓面积计算逻辑
# 统计掩码中白色像素的数量（即目标面积）
target_area = cv2.countNonZero(mask)
# 应用阈值过滤
max_areas.append(target_area if target_area > min_area_threshold else 0)

# 轮廓绘制逻辑可保留，用于可视化

这个方法不受轮廓是否闭合的影响，计算结果直接对应目标区域的像素总数，是最推荐的方案。

方案3：调整轮廓检测模式 #

尝试使用更复杂的轮廓检索模式，让OpenCV尝试识别部分闭合的轮廓，但效果不稳定，仅作补充：

# 修改findContours的检索模式
contours, _ = cv2.findContours(edge, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)

内容的提问来源于stack exchange，提问作者Jakob Leboerg