宜配屋

图像的轮廓检测，如计算多边形外界、形状毕竟、计算感兴趣区域等。

Contours : Getting Started

轮廓

简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度.
轮廓是形状分析和物体检测和识别的有用工具

NOTE

为获得更好的准确性，请使用二值图，在找到轮廓之前，应用阈值法或canny边缘检测
从OpenCV 3.2开始，findContours（）不再修改源图像，而是将修改后的图像作为三个返回参数中的第一个返回
在OpenCV中，查找轮廓是从黑色背景中查找白色对象

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

image：原图像
mode：轮廓检索模式
method：轮廓近似方法

输出为：修改后的图像，轮廓，层次结构

轮廓是所有轮廓的列表.每个单独的轮廓是对象边界点的坐标.

轮廓检索模式	含义
cv2.RETR_EXTERNAL	只检测外轮廓
cv2.RETR_LIST	提取所有轮廓并将其放入列表,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

轮廓逼近方法	含义
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
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 或 cv2.CHAIN_APPROX_TC89_KCOS	应用Teh-Chin链近似算法

代码：

import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

绘制轮廓

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

image：原图像
contours：作为Python列表传递的轮廓
contourIdx：轮廓索引（在绘制单个轮廓时很有用。绘制所有轮廓，传递-1）

要绘制图像中的所有轮廓：
cv.drawContours（img，contours，-1，（0,255,0），3）

要绘制单个轮廓，比如第4个轮廓：
cv.drawContours（img，contours，3，（0,255,0），3）

但大多数情况下，绘制第4个轮廓，以下方法将非常有用：
cnt = contours[4]
cv.drawContours（img，[cnt]，0，（0,255,0），3）

代码：

import cv2
import numpy as np

img = cv2.imread('img7.png')
imgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
im2, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnt = contours[0]
cv2.drawContours(img,[cnt],0,(0,255,0),3)

cv2.imshow('src',img)

cv2.waitKey()