讲解解决 cv2.findContours 返回值 "too many values to unpack (expected 2)" 的问题

在使用 OpenCV 进行图像处理时，cv2.findContours 是一个常用的函数，用于检测图像中的轮廓。然而，有时候我们可能会遇到一个错误提示："too many values to unpack (expected 2)"，这个问题通常是由于函数返回值的解包错误导致的。本文将详细讲解这个问题的原因和解决方法。

问题原因

cv2.findContours 函数返回两个值：轮廓信息和层次结构。通常情况下，我们会使用两个变量来接收这两个返回值，例如：

pythonCopy code
contours, hierarchy = cv2.findContours(image, mode, method)

然而，如果我们错误地使用了只有一个变量的解包形式，就会出现 "too many values to unpack" 错误。例如：

pythonCopy code
contours = cv2.findContours(image, mode, method)

解决方法

要解决这个问题，我们需要使用正确的解包方式来接收函数的返回值。一种方法是使用两个变量来接收：

pythonCopy code
contours, hierarchy = cv2.findContours(image, mode, method)

另一种方法是使用一个变量接收函数的返回值，然后手动获取轮廓和层次结构信息。例如：

pythonCopy code
result = cv2.findContours(image, mode, method)
contours = result[0]
hierarchy = result[1]

这样就可以避免 "too many values to unpack" 的错误。

示例代码

下面是一个完整的示例代码，展示了如何正确地使用 cv2.findContours 函数：

pythonCopy code
import cv2
# 读取图像
image = cv2.imread('image.jpg')
# 将图像转为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 应用阈值处理
_, threshold = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(image, contours, -1, (0, 255, 0), 2)
# 显示结果
cv2.imshow("Contours", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述示例中，我们首先读取图像并将其转换为灰度图像，然后应用阈值处理得到二值图像。接下来，我们使用正确的方式使用 cv2.findContours 函数来查找轮廓，然后使用 cv2.drawContours 绘制轮廓。最后，显示结果图像。

下面是一个使用 cv2.findContours 函数解决 too many values to unpack (expected 2) 问题的实际应用场景的示例代码：

pythonCopy code
import cv2
# 读取图像
image = cv2.imread('image.jpg')
# 将图像转为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 应用阈值处理
_, threshold = cv2.threshold(gray, 128, 255, cv2.THRESH_BINARY)
# 查找轮廓
_, contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 绘制并标记轮廓
for contour in contours:
    cv2.drawContours(image, [contour], -1, (0, 255, 0), 2)
    # 计算轮廓的中心坐标
    M = cv2.moments(contour)
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])
    # 在轮廓的中心位置绘制文本
    cv2.putText(image, "center", (cX, cY), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
# 显示结果图像
cv2.imshow("Contours", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取了一张图像，并将其转换为灰度图像。然后，我们应用阈值处理将图像转换为二值图像。接下来，我们使用 cv2.findContours 函数来查找图像的轮廓。注意，在解决 too many values to unpack (expected 2) 问题上，我们修改了查找轮廓的语句，使用 _ 来忽略不需要的返回值。 在绘制轮廓的过程中，我们遍历所有的轮廓，并使用 cv2.drawContours 函数将轮廓绘制在图像上。此外，我们还计算了每个轮廓的中心坐标，然后在图像上用文本标记了轮廓的中心位置。 最后，我们将结果图像显示出来，以便查看轮廓检测的效果。 这个示例展示了一个常见的图像处理应用场景，即在图像中检测轮廓并进行标记。通过解决 too many values to unpack (expected 2) 问题，我们成功地获取了轮廓信息，并进行了后续的处理和绘制操作。

cv2.findContours 是 OpenCV 库中的一个函数，用于在图像中查找轮廓。 函数签名如下：

plaintextCopy code
contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数解释：

• image：输入的二值图像，即只包含黑白两种颜色的图像。黑色表示背景，白色表示目标物体。
• mode：轮廓的检索模式，可选值有：

• cv2.RETR_EXTERNAL：只检测最外围的轮廓。
• cv2.RETR_LIST：检测所有的轮廓，但不建立层级关系。
• cv2.RETR_CCOMP：检测所有的轮廓，并建立两层的层级关系。
• cv2.RETR_TREE：检测所有的轮廓，并建立完整的层级关系。

• method：轮廓的逼近方法，可选值有：

• cv2.CHAIN_APPROX_NONE：保存所有的轮廓点。
• cv2.CHAIN_APPROX_SIMPLE：仅保存轮廓的端点。
• cv2.CHAIN_APPROX_TC89_L1：使用 Teh-Chin 链码算法进行轮廓逼近。
• cv2.CHAIN_APPROX_TC89_KCOS：使用 Teh-Chin 链码算法进行轮廓逼近。

• contours（可选）：返回的轮廓，以列表形式存储。
• hierarchy（可选）：返回的轮廓层级关系，以列表形式存储。
• offset（可选）：每个轮廓的偏移量。 返回值解释：
• contours：检测到的轮廓信息，以列表形式存储。每个轮廓都是一个点集，通过列表的形式表示多个点坐标。
• hierarchy：轮廓的层级关系，以列表形式存储。每个元素是一个四元组 [Next, Previous, First_Child, Parent]，表示当前轮廓的下一个轮廓、前一个轮廓、第一个子轮廓和父轮廓的索引。 cv2.findContours 的工作流程如下：

1. 根据指定的模式 mode 和方法 method 进行轮廓检测。
2. 返回检测到的轮廓信息以及轮廓的层级关系。 使用 cv2.findContours 函数，可以方便地从图像中检测出目标物体的轮廓，并在后续处理中进行标记、测量、分析等操作。

结论

在使用 cv2.findContours 函数时，务必正确接收返回值，避免出现 "too many values to unpack (expected 2)" 的错误。通过使用正确的解包方式，我们可以顺利获取函数返回的轮廓信息和层次结构，从而进行后续的图像处理操作。