基础知识铺垫

在图像中，轮廓可以简单的理解为连接具有相同颜色的所有连续点（边界）的曲线，轮廓可用于形状分析和对象检测、识别等领域。

轮廓发现的原理：先通过阈值分割提取目标物体，再通过边缘检测提取目标物体轮廓。
一个轮廓就是一系列的点（像素），这些点构成了一个有序的点集合。

使用 cv2.findContours 函数可以用来检测图像的边缘。

函数原型说明

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

我使用的 Python OpenCV 是 4.0 以上版本，如果你使用的是 3.0 以上，可能存在返回值差异问题。
参数说明如下：

• image：输入图像；
• mode：轮廓检索模式，具体说明参见后文；
• method：轮廓逼近方法，具体说明参加后文；
• contours：返回的轮廓；
• hierachy：每条轮廓对应的属性；
• offset：每个轮廓点移动的可选偏移量。

备注：image 参数需要是二值图，而不是灰度图，返回结果是等高线和层次结构。

轮廓检索模式，有四种

• 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。上述内容，都可以在该网站查询：官网地址

轮廓逼近方法

• cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过 1，即 max(abs(x1-x2),abs(y2-y1))==1，一般不会用到；
• cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需 4 个点来保存轮廓信息。
• cv2.CHAIN_APPROX_TC89_L1，cv2.CV_CHAIN_APPROX_TC89_KCOS：使用 teh-Chinl chain 近似算法（没寻找资料学习）。

了解上述内容之后，就可以应用轮廓发现函数了，代码如下：

import cv2 as cv

src = cv.imread("./both.jpeg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray, 150, 255, 0)
cv.imshow("thresh",thresh)
# 寻找轮廓
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

轮廓发现之后，还要通过 cv2.drawContours 函数绘制轮廓，该函数原型如下：

image = cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

参数说明如下：

• image：输入图像；
• contours：轮廓，在 Python 中是一个 list，就是 cv2.findContours 函数找出来的点集，一个列表；
• contourIdx：轮廓的索引，指定绘制轮廓 list 中的哪条轮廓，要绘制所有轮廓，请传递-1；color：颜色；
• thickness：厚度，如果是-1，表示填充；
• lineType：线型；
• hierarchy：层次结构的可选信息；
• maxLevel：绘制轮廓的最大级别，0：仅绘制指定的轮廓，1：绘制轮廓和所有嵌套轮廓，2：绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓；
• offset：轮廓偏移参数。

测试代码与运行结果如下：

import cv2 as cv
# help(cv.drawContours)
src = cv.imread("./both.jpeg")

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray, 150, 255, 0)
cv.imshow("thresh",thresh)
# 寻找轮廓
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

# print(contours)
# print(hierarchy)
# 绘制轮廓
cv.drawContours(src,contours,-1,(200,0,150),2)

cv.imshow('src',src)
cv.waitKey(0)