cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]

这行代码是使用OpenCV库中的findContours函数来寻找图像中的轮廓。该函数的第一个参数是二值图像，第二个参数是轮廓检索模式，第三个参数是轮廓逼近方法。函数返回一个包含所有轮廓的列表，每个轮廓都是由一系列(x,y)坐标表示的点构成的numpy数组。在这个例子中，我们使用了copy（）方法来复制edged图像，以避免在原始图像上进行修改。

相关问题

(-215:Assertion failed) count >= 0 && (depth == CV_32F || depth == CV_32S) in function 'cv::arcLength'

这个错误通常是由于输入数据的问题引起的。在OpenCV中，当使用`cv::arcLength`函数计算轮廓的弧长时，会出现`(-215:Assertion failed) count >= 0 && (depth == CV_32F || depth == CV_32S)`的错误。

这个错误的原因可能有以下几种情况：
1. 输入的轮廓数量小于0。
2. 输入的轮廓深度不是`CV_32F`或`CV_32S`。

为了解决这个问题，你可以检查以下几点：
1. 确保你的轮廓数量大于等于0。
2. 确保你的轮廓深度是`CV_32F`或`CV_32S`。

如果你使用的是OpenCV 4.0版本，你可以尝试以下代码来找到轮廓并按面积排序：

cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]

这段代码会找到图像中的轮廓，并按照轮廓的面积进行排序，然后选择前5个面积最大的轮廓。

cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0] cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]

这段代码使用OpenCV的cv2.findContours函数从边缘图像中查找轮廓。

首先，edged.copy()创建了 edged 的副本，以确保原始图像不会被修改。

然后，cv2.findContours函数被调用，它接受三个参数：
- 第一个参数是边缘图像
- 第二个参数是轮廓检索模式，这里使用cv2.RETR_LIST表示检索所有的轮廓
- 第三个参数是轮廓近似方法，这里使用cv2.CHAIN_APPROX_SIMPLE表示使用简单的近似方法来存储轮廓的点

cv2.findContours函数的返回值是一个包含所有轮廓的列表，其中每个轮廓都是一个NumPy数组。

接下来，使用sorted函数对轮廓进行排序。排序的依据是每个轮廓的面积，通过调用cv2.contourArea函数来计算。参数reverse=True表示按照面积从大到小进行排序。

最后，通过切片操作[:5]取出前5个面积最大的轮廓，并将结果保存在cnts变量中。