轮廓的质心总是其几何中心吗？（OpenCV、Python）

我正在使用OpenCV+Python，希望找到以下轮廓的几何中心：

OpenCV文档建议使用以下方法查找轮廓的质心：

import numpy as np
import cv2 as cv
img = cv.imread('star.jpg',0)
ret,thresh = cv.threshold(img,127,255,0)
im2,contours,hierarchy = cv.findContours(thresh, 1, 2)
cnt = contours[0]
M = cv.moments(cnt)
print( M )

#Centroid
cx = int(M['m10']/M['m00'])
cy = int(M['m01']/M['m00'])

如果我是对的，根据这个公式，质心被计算为轮廓所有点的平均值（或平均值？）。 然而，例如，如果在轮廓上部检测到的点少于轮廓下部检测到的点，则质心将略高于（完全检测到的）轮廓的实际几何中心

我说得对吗

如果是这样，那么计算轮廓极值点的平均值是否更好，以找到轮廓的几何中心，并以这种方式完全不依赖于是否均匀检测到轮廓点

我说得对吗

不可以。OpenCV函数

moments（）

使用中提到的。格林定理确实是找到形状质心的正确方法。格林定理特别将某些形状的积分与形状边界的积分联系起来。因此，有多少个点定义边界根本不重要

---

我特别说质心，因为你可以将单通道图像数组传递到

矩（）

，也可以计算矩，而不仅仅是点数组。然而，对于图像阵列，如果阵列只是二进制的，那么质心就是质心。对于一组点（从轮廓中），没有阵列可以显示内部的像素值，因此结果仍然是质心。

这里有官方文件：感谢您的回复。我不敢肯定你是对的。首先，格林定理适用于闭合曲线（即使w可能闭合一条曲线并从整个结果中减去额外部分），因此点数确实很重要。其次，想象一下，在我上传的图像中，轮廓的一个小的连续部分丢失了，那么Green定理现在是如何将这个轮廓所包围的确切区域？这些条件不存在。正如你所说，格林定理（以及一般的矩）只存在于闭合曲线和形状。如果你去掉其中一条边，它就不再是一条闭合的曲线，所以获得一个力矩是没有任何意义的<代码>力矩（）始终假定为闭合曲线。还是不行，分数多少并不重要。这是一个积分。不管你的积分是10分还是1分，答案都是一样的。哈哈，好的，我知道了。即使我的问题是，当你回答（预设闭合曲线的）条数时，点数是否重要。