探究cv2.findContours函数找到的轮廓

源图片：

实验1.直接findContours：

import cv2

img = cv2.imread('lala.png', 0)
# img = img[100:, :]
contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
colored_img = cv2.imread('lala.png')
# colored_img = colored_img[100:, :, :]
for i in range(len(contours)):
    cv2.drawContours(colored_img, contours, i, (255, 255, 0), 5)
    cv2.imshow('contour-%d'%i, colored_img)
    cv2.waitKey()
    colored_img = cv2.imread('lala.png')
    # colored_img = colored_img[100:, :, :]
cv2.destroyAllWindows()

结果如下图所示，值得注意的是整张图片的框也算进轮廓里：

实验2.截取部分图片findContours（取消上述代码的注释）

结果图示，基本同实验1：

实验3.先使用Canny算法得到边缘图，找边缘图中的轮廓。

import cv2

img = cv2.imread('lala.png', 0)
# img = img[100:, :]
img = cv2.Canny(img, 10, 20)
cv2.imshow('canny', img)
contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
colored_img = cv2.imread('lala.png')
# colored_img = colored_img[100:, :, :]
for i in range(len(contours)):
    cv2.drawContours(colored_img, contours, i, (255, 255, 0), 5)
    cv2.imshow('contour-%d'%i, colored_img)
    cv2.waitKey()
    colored_img = cv2.imread('lala.png')
    # colored_img = colored_img[100:, :, :]
cv2.destroyAllWindows()

结果如图所示，我认为2和3边缘并不密封，有一些小缺口导致其内轮廓和外轮廓连成一条轮廓，于是不像1那样分别展示的是内轮廓和外轮廓，另由于Canny提取的边缘很细，内轮廓和外轮廓基本上是一条线。

实验4.1的内轮廓和外轮廓是否基本是一条线

import numpy as np
print(len(contours[3]), len(contours[4]), len(np.unique(np.concatenate((contours[3], contours[4])), axis=0)))

结果：209 205 217
209+205-217=197可见内轮廓和外轮廓的大部分点都是重合的。

实验5.Canny提取部分图像的边缘

结果如图所示：