“圆度”度量对周长的精确估计很敏感。cv2.arcLength()所做的是将多边形每条边的长度相加，这严重高估了轮廓的长度。我认为这是该度量对您不起作用的主要原因。使用更好的周长估计器，您会得到有用的结果。
另一个可能更有用的度量是“圆度”，定义为半径的变异系数。简而言之，你计算每个多边形顶点（即轮廓点）到质心的距离，然后确定这些距离的变异系数（== std / mean）。
我编写了一个快速的Python脚本，从OpenCV轮廓开始计算：

import cv2
import numpy as np

# read in OP's example image, making sure we ignore the red arrow
img = cv2.imread('jGssp.png')[:, :, 1]
_, img = cv2.threshold(img, 127, 255, 0)

# get the contour of the shape
contours, hierarchy = cv2.findContours(img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
contour = contours[0][:, 0, :]

# add the first point as the last, to close it
contour = np.concatenate((contour, contour[0, None, :]))

# compute centroid
def cross_product(v1, v2):
    """2D cross product."""
    return v1[0] * v2[1] - v1[1] * v2[0]

sum = 0.0
xsum = 0.0
ysum = 0.0
for ii in range(1, contour.shape[0]):
    v = cross_product(contour[ii - 1, :], contour[ii, :])
    sum += v
    xsum += (contour[ii - 1, 0] + contour[ii, 0]) * v
    ysum += (contour[ii - 1, 1] + contour[ii, 1]) * v

centroid = np.array([ xsum, ysum ]) / (3 * sum)

# Compute coefficient of variation of distances to centroid (==circularity)
d = np.sqrt(np.sum((contour - centroid) ** 2, axis=1))
circularity = np.std(d) / np.mean(d)