cv2.findContours获得的每个轮廓是几维数组？

根据引用[2]中的描述，cv2.findContours函数返回的每个轮廓是一个二维数组。这意味着每个轮廓由一系列的点组成，每个点都有两个坐标值。因此，每个轮廓可以表示为一个二维数组，其中每个元素都是一个包含两个值的数组。

以下是一个示例代码，演示了如何使用cv2.findContours函数获取轮廓并打印每个轮廓的维度：

import cv2

# 读取图像
image = cv2.imread('image.jpg')

# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化处理
ret, thresh = cv2.threshold(gray, 127, 255, 0)

# 寻找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 打印每个轮廓的维度
for contour in contours:
    print("Contour dimension:", contour.shape)

运行以上代码，你将会看到每个轮廓的维度输出为(点的数量, 1, 2)，其中点的数量表示轮廓上的点的个数。

相关问题

img.reshape((1, -1))是把img重塑为几维的数组？

`img.reshape((1, -1))` 是把 `img` 重塑为2维数组，其中第一维的长度为1，第二维的长度自动计算得出。具体来说，如果 `img` 原本是一个形状为 `(a, b, c)` 的三维数组，那么重塑后的数组会变成形状为 `(1, a * b * c)` 的二维数组。其中 `-1` 的位置表示该维度的长度由函数自动计算得出，以满足总元素数不变的条件。

python中如何查看一个数组是几维数组

可以使用 NumPy 库中的 ndim 属性来查看一个数组的维度。

例如，假设有一个二维数组 arr，可以使用以下代码来查看其维度：

import numpy as np

arr = np.array([[1, 2], [3, 4]])

print(arr.ndim) # 输出 2

同理，如果要查看一个三维数组的维度，可以使用以下代码：

import numpy as np

arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

print(arr.ndim) # 输出 3