- 什么是轮廓
- 找轮廓、绘制轮廓等
1.什么是轮廓
轮廓可看做将连续的点（连着边界）连在一起的曲线，具有相同的颜色和灰度。轮廓在形态分析和物体的检测和识别中很有用。
- 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者Canny边界检测。
- 查找轮廓的函数会修改原始图像。如果に在找到轮廓后还想使用原始图像的话，应该把原始图像存储到其他变量中。
- 在OpenCV中，查找轮廓就像是在黑色背景中找白色物体，要记住要找的物体应该是白色而背景应该是黑色
让我们看看如何在一个二值图像中查找轮廓：
cv2.findContours()有3个参数，第一个是输入图像，第二个是轮廓检索模式，第三个是轮廓近似方法。返回值有三个，第一个是图像，第二个是轮廓，第三个是（轮廓的）层析结构。第二个返回值轮廓是一个Python列表，其中存储这图像中的所有轮廓。每一个轮廓都是一个Numpy数组，包含对象边界点（x,y）的坐标。
2.怎样绘制轮廓
cv2.drawContour()可以用来绘制轮廓。你可以根据你提供的边界点绘制任何形状。它的第一个参数是原始 图像，第二个参数是轮廓，一个Python列表。第三个参数是轮廓的索引（在绘制独立轮廓时相当有用，当设置为-1时将绘制所有轮廓）。接下来的参数是轮廓的颜色，厚度等。
一下例程在一幅图中绘制所有的轮廓：
# -*- coding:utf-8 -*-
import numpy as np
import cv2
from matplotlib import pyplot as plt
im = cv2.imread('2.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,200,255,cv2.THRESH_BINARY_INV)
cv2.imshow('img1',thresh)
img,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
#以上设置是较为通用的用法，后面会讲到一些具体的设置参数
#这一步会把thresh变为轮廓图，即与img相同;然而不断试验并没发现thresh发生任何变化
#网上有说这个函数只有两个返回值的，但试过会报错
cv2.drawContours(im,contours,-1,(0,0,255),1)
#这一步会把轮廓线画在im中
print(len(contours))#可以看到一共绘制出了多少个轮廓
cv2.imshow('img',im)
cv2.waitKey(0)
效果如下
3.轮廓的近似方法
表示这个设置的是cv2;findCountours()的第三个参数。之前我们提到轮廓是一个形状具有相同灰度值的边界，它会存储形状边界上所有的（x,y）坐标。但是需要将这所有的边界点都存储么?这就是这个设置参数改变的东西。
这个参数如果设置为cv2.CHAIN_APPROX_NONE，则所有的边界点都会被存储。但是有的时候，比如边界是一条直线的时候，我们并不需要这么多的点来表示直线，只需要这条直线的端点就够了。这就是cv2.CHAIN_APPROX_SIMLE做的。它会把轮廓上的冗余点都去掉，以压缩轮廓节省内存开支。
P.S 几个参数的物理含义
cv2.findCountours():
输入的第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓
输出的的参数中，
hierarchy ：这是一个ndarray，其中的元素个数和轮廓个数相同，每个轮廓contours[i]对应4个hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号，如果没有对应项，则该值为负数。