'1.png 只有一个轮廓'
img = cv2.imread('1.png')
retval,dst = cv2.threshold(img,120,255,cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(dst,cv2.RETR_EXTERANL,cv2.CHAIN_APPROX_SIMPLE)
print cv2.contourArea(contours[0],False)
图像只有一个轮廓，然后轮廓是一个列表。当我更改contours[0]为contours[3]或其他数字时，仍然有一个区域。我对这个问题一无所知，只有一个轮廓。
为什么会出现这么多值？是发现thresh的问题吗？需要你的帮助？
问题是 OpenCV 认为的轮廓只是您认为的轮廓的一部分。换句话说，OpenCV 正在将你的轮廓分割成几块。您可以通过添加各个轮廓的区域来获得整个区域，但这种方法并不可靠。
您可以尝试的是Image Morphology。使用它，您可以“增长”轮廓，使它们重叠得更多，这意味着 OpenCV 将它们识别为单个轮廓的机会会更大。
但是，这种方法会导致精度损失。因此，如果您需要一个确切的区域，您将不得不依赖其他方法。对于复杂的几何形状，这不是一项简单的任务。
我使用的另一种“快速而肮脏”的解决方案是创建一个新的单通道 Mat ( Mat::zeros)，绘制填充颜色值为 255 ( drawContours) 的轮廓，然后对内容求和（在 c++ 中cv::sum，这是我认为是cv2.sum)，然后将结果除以 255。这将得到以像素为单位的区域，并且比对各个轮廓的区域求和更可靠，因为它会考虑它们之间的重叠。