目录

一、cv2.contourArea

起初使用该函数的时候看不懂返回的面积，有0有负数的，于是研究了一下。

opencv计算轮廓内面积函数使用的是格林公式计算轮廓内面积的，公式如下：

由于格林公式计算单连通域面积是以逆时针为正方向的，而有时候我们输入的边缘数组是按照顺时针输入的，所以导致计算面积会出现负数；计算面积存在0的情况一般是只存在一个像素点作为边缘点，所以面积为0。

代码如下：

img = cv2.imread("test.png", 0)
contours, hierarchy = cv2.findContours(img, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_TC89_L1)
area = []
topk_contours =[]
for i in range(len(contours)):
    a = cv2.contourArea(contours[i], True)
    area.append(abs(a))
topk = 2 #取最大面积的个数
for i in range(2):
    top = area.index(max(area))
    area.pop(top)
    topk_contours.append(contours[top])
x, y = img.shape
mask = np.zeros((x, y, 3))
mask_img = cv2.drawContours(mask, topk_contours, -1, (255, 255, 255), 1)
cv2.imwrite("mask_img.png", mask_img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])
cv2.imshow("mask_img:", mask_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下：

二、按像素个数计算连通域面积

这边再给出一种用边缘内像素个数来计算连通域面积的方法：

img = cv2.imread("test.png", 0)
contours, hierarchy = cv2.findContours(img, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_TC89_L1)
area = []
topk_contours =[]
x, y = img.shape
for i in range(len(contours)):
    # 对每一个连通域使用一个掩码模板计算非0像素(即连通域像素个数)
    single_masks = np.zeros((x, y)) 
    fill_image = cv2.fillConvexPoly(single_masks, contours[i], 255)
    pixels = cv2.countNonZero(fill_image)
    area.append(pixels)
topk = 2 #取最大面积的个数
for i in range(2):
    top = area.index(max(area))
    area.pop(top)
    topk_contours.append(contours[top])
mask = np.zeros((x,y,3))
mask_img = cv2.drawContours(mask, topk_contours, -1, (255, 255, 255), 1)
cv2.imwrite("mask_img.png", mask_img, [int(cv2.IMWRITE_JPEG_QUALITY), 100])
cv2.imshow("mask_img:", mask_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

到此这篇关于Python+Opencv实现计算闭合区域面积的文章就介绍到这了,更多相关Python Opencv面积内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 格林公式 希望大家 面积函数 相关文章 使用的是