根据我们的评论，您可以做的是创建一个
numpy数组列表，其中每个元素都是描述每个对象轮廓内部的强度。具体来说，对于每个轮廓，创建一个填充轮廓内部的二进制蒙版，找到
(x,y)填充对象的坐标，然后索引到图像中并获取强度。
我不完全知道如何设置代码，但是假设您有一个名为的灰度图像
img。您可能需要将图像转换为灰度，因为它
cv2.findContours适用于灰度图像。这样，
cv2.findContours通常调用：
import cv2import numpy as np#... Put your other pre here....#....# Call if necessary#img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Call cv2.findContourscontours,_ = cv2.findContours(img, cv2.RETR_LIST, cv2.cv.CV_CHAIN_APPROX_NONE)
contours现在三维列表
numpy阵列，其中每个是大小为
N x 1 x 2其中
N是针对每个对象轮廓点的总数。
这样，您可以像这样创建我们的列表：
# Initialize empty listlst_intensities = []# For each list of contour points...for i in range(len(contours)): # Create a mask image that contains the contour filled in cimg = np.zeros_like(img) cv2.drawContours(cimg, contours, i, color=255, thickness=-1) # Access the image pixels and create a 1D numpy array then add to list pts = np.where(cimg == 255) lst_intensities.append(img[pts[0], pts[1]])
对于每个轮廓，我们创建一个空白图像，然后在该空白图像中绘制 填充的
轮廓。您可以通过将
thickness参数指定为-1来填充轮廓占用的区域。我将轮廓的内部设置为255。之后，我们用于
numpy.where查找数组中符合特定条件的所有行和列位置。在我们的例子中，我们想找到等于255的值。之后，我们使用这些点索引图像，以捕获轮廓内部的像素强度。
lst_intensities包含一维
numpy数组的列表，其中每个元素为您提供属于每个对象轮廓内部的强度。要访问每个数组，只需执行要访问的轮廓
lst_intensities[i]在哪里
i。
