编辑：我通过向图像添加2位帧，然后使用我的代码，最后裁剪图像以删除额外的帧来绕过问题。这是一个丑陋的解决方案，但它确实有效！
我遇到了一个问题，我不确定这是一个错误还是我缺乏经验。我会尽可能清楚地总结一下：
我得到一个二进制图像，其中包含我想要分析的彩色图像的轮廓（白色像素是我的算法检测到的轮廓的周长，其余为黑色）。图像非常复杂，因为我要检测的对象完全填满图像（没有“背景”）。
我对该图片使用了findcontours：
contours, hierarchy = cv2.findContours(image,cv2.RETR_CCOMP,cv2.CHAIN_APPROX_NONE)
然后“for”循环检测面积小于“X”像素的轮廓和hierarchy[0][x][3] >= 0（让我们调用新数组“contours_2”）
我在新图片中绘制“contours_2”：
cv2.drawContours(image=image2, contours=contours_2, contourIdx=-1, color=(255,255,255), thickness=-1)
问题是drawcontours绘制所有轮廓都很好，但它不会“填充”图像边界中的轮廓（也就是说，图像边缘有一个边界的轮廓）。我尝试将图像的边框像素（如框架）设置为True，但它不起作用，因为findcontours会自动将这些像素设置为零（在函数说明中）。
在前一个循环中使用cv2.contourArea可以很好地检测这些轮廓并返回正常值，因此无法知道drawcontours何时忽略轮廓以及何时正确填充轮廓。 cv2.isContourConvex根本不起作用，因为每个轮廓返回为假。
我可以在绘制它们之前使用cv2.convexHull绘制那些“边缘”轮廓，但我只需要在边缘上使用它（因为它会使轮廓变形并且我想尽可能地避免这种情况）。问题是......我无法检测到哪些轮廓位于图像边缘，哪些轮廓不适合并且可以使用drawcontours。
所以我想问一下为什么drawContour表现得那样，如果有某种方法让它填充边缘的轮廓。或者，另一种解决方案是找到如何检测图像边界中的轮廓（因此我可以在需要时应用凸包）。
答案 0 :(得分：1)
如果只有1个轮廓且使用contourIdx = -1，则会认为轮廓中的每个点都是一个单独的轮廓。您需要将单个轮廓包装为一个列表（即，如果轮廓中只有一个轮廓，则为contours = [contours_2]）
干杯， 丹
答案 1 :(得分：-1)
更改
cv2.drawContours(image=image2, contours=contours_2, contourIdx=-1, color=(255,255,255), thickness=-1)
到
cv2.drawContours(image=image2, contours=contours_2, contourIdx=-1, color=(255,255,255), thickness=2)