计算机视觉 / 系统课时
计算轮廓面积与周长
计算轮廓面积与周长
轮廓得到后,面积和周长可以把“看起来像噪声”变成可比较的数值。本节使用 cv2.contourArea() 与 cv2.arcLength() 计算几何特征,并用面积阈值过滤过小区域,同时说明闭合参数真正控制的含义。
学习目标
- 使用
cv2.contourArea()计算轮廓面积,并理解其像素尺度 - 使用
cv2.arcLength()计算闭合轮廓周长 - 根据尺寸阈值过滤小轮廓,减少噪声对后续分析的干扰
面积、周长与闭合参数
cv2.contourArea(contour) 返回轮廓围成区域的面积,单位可理解为平方像素;cv2.arcLength(contour, closed) 返回轮廓曲线长度,单位为像素。对由连通区域边界得到的封闭目标,通常把 closed 设为 True,这样会把最后一个点到第一个点之间的闭合边也计入周长。
closed 不是“自动检测轮廓是否闭合”的开关,而是告诉 OpenCV 应按开放曲线还是闭合曲线计算长度。处理任意折线时,是否闭合应由数据含义或业务规则决定。

按面积过滤干扰区域
下面构造三个矩形,其中最小矩形模拟分割噪声。程序计算每个轮廓的面积和闭合周长,再保留面积不小于 500 的轮廓。
import cv2
import numpy as np
mask = np.zeros((220, 360), dtype=np.uint8)
cv2.rectangle(mask, (30, 40), (130, 120), 255, -1)
cv2.rectangle(mask, (190, 50), (230, 80), 255, -1)
cv2.rectangle(mask, (320, 180), (325, 185), 255, -1)
contours, _ = cv2.findContours(
mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
)
records = []
for contour in contours:
area = cv2.contourArea(contour)
perimeter = cv2.arcLength(contour, True)
records.append((area, perimeter, contour))
# 按面积从大到小排序,让输出和筛选结果更容易核对。
records.sort(key=lambda item: item[0], reverse=True)
min_area = 500.0
kept = [contour for area, _, contour in records if area >= min_area]
for index, (area, perimeter, _) in enumerate(records, start=1):
print(
f"轮廓{index}: area={area:.1f}, "
f"perimeter={perimeter:.1f}, arcLength_closed=True"
)
preview = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
cv2.drawContours(preview, kept, -1, (0, 255, 0), 2)
cv2.imwrite("filtered-contours.png", preview)
print(f"保留轮廓: {len(kept)} / {len(contours)}")
print("已保存: filtered-contours.png")预期输出:
轮廓1: area=8000.0, perimeter=360.0, arcLength_closed=True
轮廓2: area=1200.0, perimeter=140.0, arcLength_closed=True
轮廓3: area=25.0, perimeter=20.0, arcLength_closed=True
保留轮廓: 2 / 3
已保存: filtered-contours.png示例使用轴对齐矩形,因此面积和周长都是稳定的整数。实际图像中的斜边、圆弧或锯齿边界通常会得到小数结果,这是离散像素轮廓的正常现象。
选择合适的过滤阈值
面积阈值必须结合图像分辨率和目标尺寸确定。若输入图像被缩放到原来的两倍宽和两倍高,相同目标的面积大约会变成四倍,因此固定阈值不能脱离处理尺度直接复用。对尺寸变化明显的数据,可以按图像总面积的比例设阈值,或先统一输入分辨率。
周长也能参与过滤,例如排除极短边界;但对细长物体,仅看面积可能把真实目标误判为噪声。需要区分形状时,可以继续组合面积、周长、外接矩形或圆度等特征,而不是把单一阈值调得越来越复杂。
正确理解闭合状态
对 findContours() 提取的目标边界,计算目标外周通常使用 cv2.arcLength(contour, True)。如果传入 False,函数会把点序列当作开放曲线,不再补上末点到首点的那一段,因此得到的长度会更短。
当输入本来就是一条手工轨迹或开放折线时,应使用 False。因此这里所谓闭合状态,关键不是从 arcLength() 的返回值反推真假,而是在计算之前明确这条曲线在业务上是否应首尾相连,再选择正确参数。面积阈值负责过滤尺寸异常区域,闭合参数负责定义周长计算方式,两者职责不要混淆。