### 使用Python和OpenCV计算图像中对象的面积 为了计算图像中的对象面积，可以利用OpenCV库提供的`findContours()`函数来查找图像中的轮廓，并使用`contourArea()`方法获取各个轮廓所围成区域的面积。下面是一个完整的流程说明以及代码实例。 #### 安装依赖包 确保环境中已安装了所需的软件包。如果尚未安装OpenCV，则可以通过pip命令完成安装[^3]： ```bash pip install opencv-python ``` #### 加载与预处理图像 加载待分析的目标图像文件，并将其转换为灰度图以便后续操作更加高效。接着应用二值化阈值处理使前景（即目标物）变为白色而背景保持黑色，这有助于更精确地定位物体边缘[^1]。 ```python import cv2 import numpy as np # 读取彩色图片并转为灰度模式 img = cv2.imread('object.jpg', cv2.IMREAD_GRAYSCALE) # 应用固定阈值进行二值化 _, thresh_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV) ``` #### 查找轮廓并绘制 调用`cv2.findContours()`找到所有封闭形状的边界点集合作为代表这些形状的“轮廓”。对于每一个被发现的轮廓，都可以进一步执行诸如绘制、属性查询等动作。这里采用绿色线条标记出所有的轮廓位置[^2]。 ```python # 获取轮廓数据；注意版本差异可能导致参数顺序不同 contours, _ = cv2.findContours(thresh_img.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: # 计算当前轮廓对应的面积大小 area = cv2.contourArea(cnt) # 如果面积过小则忽略不计 if area < 1e2: continue # 绘制该轮廓到原始图像副本上 img_contoured = cv2.cvtColor(thresh_img, cv2.COLOR_GRAY2BGR) cv2.drawContours(img_contoured, [cnt], -1, (0, 255, 0), thickness=2) # 显示带有标注的信息框 M = cv2.moments(cnt) cx = int(M['m10']/M['m00']) cy = int(M['m01']/M['m00']) text = f'Area={area:.2f}' fontFace = cv2.FONT_HERSHEY_SIMPLEX fontScale = 0.8 color = (0, 255, 0) thickness = 2 cv2.putText(img_contoured, text, (cx-60,cy), fontFace ,fontScale,color,thickness,lineType=cv2.LINE_AA) # 展示最终结果 cv2.imshow("Object Area", img_contoured) cv2.waitKey(0); cv2.destroyAllWindows() ``` 上述过程不仅实现了对单个或多个独立对象面积的有效测量，还能够直观展示各部分的具体数值，在实际应用场景中有较高的实用价值。