Opencv arcLength（）和contourArea（）返回意外值

我试图测量轮廓的长度：

绿线是在轮廓上计算的HoughLineP。通过计算绿线上的欧几里德距离，我得到了

153.88

。但是，轮廓上的

arcLength（）

给出了

364.71

，此时它应该比HoughLineP长约1/8。为什么

arcLength（）

返回的长度几乎是轮廓长度的两倍？这是我的密码：

def euclid_distance(line):
    dx = line[0] - line[2]
    dy = line[1] - line[3]
    return math.sqrt(dx*dx + dy*dy)

_, contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour = contours[1]
cnt_perimeter = cv2.arcLength(contour, False)

lines_p = cv2.HoughLinesP(mat_cnt, 1, np.pi/180, 30, minLineLength=10, maxLineGap=5)

line_dist = 0
for lp in lines_p:
    for l in lp:
        x1,y1,x2,y2 = l
        cv2.line(mat_cnt,(x1,y1),(x2,y2),(0,200,0),2)
        line_dist += euclid_distance(l)
print cnt_perimeter, line_dist, contour.size
--
364.710676908 153.883072493 204

编辑：

这是原始轮廓：

以下是要点：

[[[386, 477]], [[385, 478]], [[378, 478]], [[377, 479]], [[373, 479]], [[372, 480]], [[368, 480]], [[367, 481]], [[361, 481]], [[360, 482]], [[355, 482]], [[354, 483]], [[348, 483]], [[347, 484]], [[342, 484]], [[341, 485]], [[336, 485]], [[335, 486]], [[329, 486]], [[328, 487]], [[324, 487]], [[323, 488]], [[317, 488]], [[316, 489]], [[311, 489]], [[310, 490]], [[306, 490]], [[305, 491]], [[299, 491]], [[298, 492]], [[293, 492]], [[292, 493]], [[287, 493]], [[286, 494]], [[279, 494]], [[278, 495]], [[275, 495]], [[274, 496]], [[269, 496]], [[268, 497]], [[263, 497]], [[262, 498]], [[255, 498]], [[254, 499]], [[249, 499]], [[248, 500]], [[241, 500]], [[240, 501]], [[220, 501]], [[219, 502]], [[216, 502]], [[219, 502]], [[220, 501]], [[240, 501]], [[241, 500]], [[248, 500]], [[249, 499]], [[254, 499]], [[255, 498]], [[262, 498]], [[263, 497]], [[268, 497]], [[269, 496]], [[274, 496]], [[275, 495]], [[278, 495]], [[279, 494]], [[286, 494]], [[287, 493]], [[292, 493]], [[293, 492]], [[298, 492]], [[299, 491]], [[305, 491]], [[306, 490]], [[310, 490]], [[311, 489]], [[316, 489]], [[317, 488]], [[323, 488]], [[324, 487]], [[328, 487]], [[329, 486]], [[335, 486]], [[336, 485]], [[341, 485]], [[342, 484]], [[347, 484]], [[348, 483]], [[354, 483]], [[355, 482]], [[360, 482]], [[361, 481]], [[367, 481]], [[368, 480]], [[372, 480]], [[373, 479]], [[377, 479]], [[378, 478]], [[385, 478]], [[386, 477]], [[390, 477]]]

另外，使用以下代码返回的轮廓区域为

0.0

：

approx = cv2.approxPolyDP(contour, 5, True)
print cv2.contourArea(approx)
---
0.0

---

为什么等高线面积这么小？直线部分已经是154（HoughLineP的长度）。

首先让我们对这个问题进行一个简单的测试：

让我们创建一条直线并计算欧几里德距离和弧长

import cv2
import numpy as np

a = np.array([(1,1), (2,2), (3,3), (4,4), (5,5), (6,6), (7,7)])

cv2.arcLength(a, False) # Prints 8.485281229019165
math.sqrt((7-1) * (7-1) + (7-1) * (7-1)) # prints 8.48528137423857

他们两个（几乎）相等

那么，有什么不对呢？我唯一的解释是，你的观点不在一条直线上，或者几乎不在一条直线上

例如，让我们将上一个示例中的直线中的点（0,0）添加到数组的末尾

a = np.array([(1,1), (2,2), (3,3), (4,4), (5,5), (6,6), (7,7), (0,0)])
cv2.arcLength(a, False) # prints 18.38477635383606
math.sqrt((7-0) * (7-0) + (7-0) * (7-0)) # 9.899494936611665

如你所见，弧长增加了一倍。。。发生了什么事？这个函数实际上会计算点之间的最小欧几里德距离。。。所以，如果你有一条完美的线，并且顺序正确，你会得到相同的结果（或者非常接近），但是如果有一点不符合顺序，它可能会给出不同的结果

几句话：

用欧几里得距离得到153。。。然后，你的线条在某些部分比1个像素厚，得到204个点（考虑到每个像素至少1个点），这意味着轮廓可以检测到一条线条中的2条线条，这意味着你将获得更多的周长

您可以尝试使用近似多边形来获得较少的点并轻松查看发生的情况，或者如果使用FindCountors获得轮廓，则可以使用

CV\u CHAIN\u近似\u SIMPLE

对其进行压缩，并查看其错误

---

我希望这能消除你的疑虑，如果不只是给我留下评论的话。

如果你一个接一个地检查等高线中的点，你会发现它们中大约有一半是相同的

前十名：

[[257 113]  <-- 0
 [256 114]  <-- 1
 [249 114]  <-- 2
 [248 115]  <-- 3
 [244 115]
 [243 116]
 [239 116]
 [238 117]
 [232 117]
 [231 118]]
...

---

[[257 113]好吧，这是一个轮廓，即包围那条线的多边形。因此，我希望轮廓的周长（这是您正在计算的）大约是那条线长度的2倍，大致如此。@DanMašek但在他的代码中，flag
closed=False
：
cv2.arcLength（轮廓，False）
。发布原始图像。@消音器是的，但轮廓有204个点，所以“未闭合”位可能会产生非常小的差异。一个要复制的样本图像肯定会有用。@DanMašek但如果直线长度为154，那么轮廓不应该至少有300个点吗？你如何确定非闭合位是小的？我不认为边界点的顺序是个问题。但是你怎么会认为line大于1像素？当然，轮廓中的点比直线部分的长度多，但轮廓不是多边形吗？一条直线周围的多边形的点应该比直线上的点多。@JohnMunroe正是我的观点，如果有一条直线周围的多边形作为轮廓，它可能会绕直线旋转，或者按Z字形旋转haps…然而，你会有更多的长度。并不总是一个多边形，这取决于你是如何找到它的，如果你压缩它或类似的东西，但它很可能是一个…然后，每段长度加在一起将超过开始/结束长度，对于一条直线周围的多边形，它的大小至少应该是y的两倍你计算周长时使用的不是最大长度。但是我检查了轮廓的
contourArea（）
，它是
0.0
（请参见编辑）。但是多边形或线条周围的任何形状不应该有正面积吗？@johnmurroe可能是由于近似多边形…尝试计算没有它的面积
contourArea（contour）
也给出了
0.0
。我应该补充一点，原始图像是一条精明的边缘，因此轮廓环绕着一条线。不确定这是否会产生差异。
[[232 117]
 [238 117]
 [239 116]
 [243 116]
 [244 115]  
 [248 115]  <-- 3
 [249 114]  <-- 2
 [256 114]  <-- 1
 [257 113]  <-- 0
 [261 113]]