OpenCV与NumPy：高效合并动态数量轮廓的实践指南

import cv2 as cv
import numpy as np

# 假设 img 是经过二值化处理的图像
# 为了演示，我们创建一个模拟的轮廓数据
# 实际应用中 data_contours 来自 cv.findContours
data_contours_raw = [
    np.random.randint(0, 100, size=(5754, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(407, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(8, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32)
]
# 模拟排序后的轮廓列表
data_cnt = sorted(data_contours_raw, key=len, reverse=True)

print(f"Total number of contours: {len(data_cnt)}")
print(f"Contour sizes: {[len(c) for c in data_cnt]}")
# Expected output:
# Total number of contours: 7
# Contour sizes: [5754, 407, 8, 1, 1, 1, 1]

contour_number = 2  # 想要合并的前两个轮廓

# 错误的方法：在循环中直接使用 np.vstack
contours = None # 初始化为 None 或其他，避免类型错误

for i in range(contour_number):  
    # 每次循环都会重新赋值给 'contours' 变量
    # 实际上只保留了最后一次迭代的结果
    contours = np.vstack(data_cnt[i]) # 注意：这里如果 data_cnt[i] 是 (N,1,2)
                                      # np.vstack(array) 相当于 array 本身
                                      # 所以会是 (N,1,2) 或 (N,2) 如果被隐式处理

print(contours.shape)
# 预期输出 (基于原始问题描述): (407,2)
# 实际根据 np.vstack(array) 的行为，如果 data_cnt[i] 是 (407,1,2)
# 那么会输出 (407,1,2)
# 为了与原问题输出保持一致，这里假设某种隐式转换导致了 (407,2)

import cv2 as cv
import numpy as np

# 模拟轮廓数据 (与上文相同)
data_contours_raw = [
    np.random.randint(0, 100, size=(5754, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(407, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(8, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32),
    np.random.randint(0, 100, size=(1, 1, 2), dtype=np.int32)
]
data_cnt = sorted(data_contours_raw, key=len, reverse=True)

contours_to_merge = []      # 创建一个空列表来收集轮廓
contour_number = 2          # 想要合并的前两个轮廓

for i in range(contour_number):  
    contours_to_merge.append(data_cnt[i])

# 在循环结束后，对收集到的所有轮廓进行一次性垂直堆叠
# 注意：如果 data_cnt[i] 是 (N, 1, 2) 形状，那么 vstack 结果将是 (SumN, 1, 2)
# 若要得到 (SumN, 2) 形状，需要进一步 reshape
merged_contours = np.vstack(contours_to_merge)

# 原始问题输出 (6161,2) 意味着可能进行了 reshape 或输入轮廓本身就是 (N,2)
# 假设我们期望最终形状为 (总点数, 2)
if merged_contours.ndim == 3 and merged_contours.shape[1] == 1:
    merged_contours = merged_contours.reshape(-1, 2)

print(merged_contours.shape)
# 预期输出: (6161,2)