ContourArea 函数报错，如何解决？-HCRM博客

ContourArea 报错问题分析

在使用 OpenCV 进行图像处理时，cv2.contourArea() 函数用于计算轮廓的面积，在实际使用过程中，可能会遇到各种报错，本文将详细分析cv2.contourArea() 报错的原因、解决方法和常见问题，并提供相关示例代码和 FAQ。

（图片来源网络，侵权删除）

常见报错类型及原因

1.1TypeError: only integer scalar arrays can be converted to a scalar index

原因：传递给cv2.contourArea() 的参数不是有效的轮廓对象或数据类型不正确。

解决方案：确保传递的参数是一个有效的轮廓数组。

import cv2
import numpy as np
读取图像并转换为灰度图像
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
计算每个轮廓的面积
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    print(f"Contour {i} area: {area}")

1.2error: (215:Assertion fAIled) npoints >= 0 && (depth == CV_32F || depth == CV_32S) in function 'cv::contourArea'

原因：传递给cv2.contourArea() 的参数类型不正确，通常发生在轮廓数据类型不匹配。

解决方案：确保轮廓数据类型为整数或浮点数数组。

import cv2
import numpy as np
创建示例轮廓
contour = np.array([[1, 2], [2, 3], [3, 4]], dtype=np.int32)
计算轮廓面积
area = cv2.contourArea(contour)
print(f"Contour area: {area}")

1.3ValueError: too many values to unpack (expected 2)

原因：在使用 OpenCV 不同版本时，cv2.findContours() 返回的参数数量不同，旧版返回三个参数，新版返回两个参数。

解决方案：根据使用的 OpenCV 版本调整代码。

import cv2
OpenCV 4.x 版本
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
OpenCV 3.x 版本
cnts, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

常见问题及解决方法

2.1 如何检查轮廓是否有效？

确保轮廓是有效的二维数组或点向量列表，可以使用type() 函数检查轮廓对象的类型。

import cv2
import numpy as np
假设 contours 是通过 findContours() 获取的轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    if type(contours[i]) is not np.ndarray:
        print(f"Contour {i} is not a valid contour object")
    else:
        area = cv2.contourArea(contours[i])
        print(f"Contour {i} area: {area}")

2.2 确保轮廓数据类型正确

轮廓的数据类型应为整数或浮点数数组，如果不确定，可以使用astype() 方法转换数据类型。

import cv2
import numpy as np
假设 contours 是通过 findContours() 获取的轮廓列表
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
    if contours[i].dtype != np.int32:
        contours[i] = contours[i].astype(np.int32)
    area = cv2.contourArea(contours[i])
    print(f"Contour {i} area: {area}")

示例代码

以下是一个完整的示例代码，演示如何使用cv2.contourArea() 计算图像中所有轮廓的面积，并输出结果。

import cv2
import numpy as np
读取图像并转换为灰度图像
img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
二值化处理
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
计算每个轮廓的面积
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    print(f"Contour {i} area: {area}")