cv2.findContours ()和cv2.drawContours ) )的正文大部分摘自以下内容：
3359 blog.csdn.net/DCR mg/article/details/51987348
https://blog.csdn.net/谨慎的鸡翅2038/article/details/12889059
33559 www.Kan cloud.cn/AOL lo/aolloopencv/272892
示例import cv 2img=cv2.im read (d :\ testcontour.jpg ) gray=cv2.cvtcolor(img，cv2.color _ bgr2gray cv2 Hierarchy=CV2.findcontours ) binary，cv2.RETR_TREE， CV2.chain_approx_siiing 3) cv2.imshow(img )、img ) cv2.waitKey(0)0) cv2.findContours )函数接受的参数为黑白
原始照片如下。
检测结果如下。
请注意，运行findcontours函数将更改原始输入图像。
cv2.imshow(binary )，binary ) contours，hierarchy=cv2.findcontours ) binary，cv2.RETR_TREE，cv2.chain_ )
CV2.findcontours(image、mode、method[，contours[，hierarchy[，offset ]]] )返回两个值： contours:hierarchy。
参数的第一个参数是寻找轮廓的图像。
第二个参数表示配置文件的搜索模式，有四个参数：
cv2.RETR_EXTERNAL表示只检测外部轮廓，而忽略外部轮廓中的内部轮廓。
cv2.RETR_LIST检测包括内周、外周轮廓在内的所有轮廓，所检测的轮廓不形成等级关系，相互独立，没有等级关系；
cv2.RETR_CCOMP检测所有轮廓，但所有轮廓只建立两个等级关系，外周为顶层；如果外周内的内周轮廓包含其他轮廓信息，则内周内的所有轮廓属于顶层；
创建cv2.RETR_TREE分层树结构的配置文件外部配置文件可以包含内部配置文件，内部配置文件可以继续包含嵌入配置文件。
第三个参数method是轮廓的近似方法
cv2.CHAIN_APPROX_NONE:从所有轮廓点存储contours向量中，两个相邻点的像素位置差等于或小于1 (即max(ABS(x1-x2 )、ABS (y2-y1 ) ) )
cv2.CHAIN_APPROX_SIMPLE仅存储轮廓的拐点信息，并将所有轮廓拐点点存储在contours矢量中。 不存储拐点和拐点之间直线段上的信息点。 例如，矩形轮廓用4点保存轮廓信息。
cv2.CHAIN_APPROX_TC89_L1和CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain近似算法。
第六个参数：点偏移量。 相对于原始图像中相应点的所有轮廓信息的偏移量相当于将该偏移量加到所有所检测的轮廓点，点可以是负值。
contour返回值cv2.findContours ()函数首先返回list。 列表中的每个元素都是图像轮廓，用numpy的ndarray表示。 这个概念很重要。 在下面的drawContours中可以看到。 通过
打印(type (contours ) print (type ) contours [0] (print ) len (contours ) )可以验证上述信息。 在本例中，可以看到五角星和矩形两个轮廓。 每个轮廓都是ndarray，每个ndarray是轮廓上的点的集合。
我们知道返回的轮廓有两个，所以我们可以通过
cv2.drawcontours(img，contours，0，)，0，0，255 )，3 )和
cv2.drawcontours(img、contours、1、)、255、0 )和3 )分别绘制两个轮廓。 有关此参数，请参见下一节。 同时通过
print (len (contours [0] print ) len (contours [1] )输出存储在两个轮廓中的点数。 可见，第一个轮廓只存储了四个元素。 这是因为轮廓不包含轮廓上的所有点，而只包含可以用直线描述轮廓的点数
/p> hierarchy返回值此外，该函数还可返回一个可选的hiararchy结果，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。opencv3.0版本以后变了，第三个是内嵌的第一个子轮廓，第四个是父轮廓。
通过
print (type(hierarchy))print (hierarchy.ndim)print (hierarchy[0].ndim)print (hierarchy.shape)得到
3 2 (1, 2, 4)可以看出，hierarchy本身包含两个ndarray，每个ndarray对应一个轮廓，每个轮廓有四个属性。
cv2.drawContours()函数 cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])第一个参数是指明在哪幅图像上绘制轮廓；
第二个参数是上面检测出来的轮廓list的名字。
第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓。
后面的参数很简单。其中thickness表明轮廓线的宽度，如果是-1（cv2.FILLED），则为填充模式。
另外，我们可以用cv2.rectangle()方法画出**矩形**轮廓
for i in range(0,len(contours)): x, y, w, h = cv2.boundingRect(contours[i]) cv2.rectangle(image, (x,y), (x+w,y+h), (153,153,0), 5) 下边用效果图对比一下findContours函数中各参数取不同值时，向量contours和hierarchy的内容如何变化，有何异同。原始图像如下：
一、mode取值“CV_RETR_EXTERNAL”，method取值“CV_CHAIN_APPROX_NONE”，即只检测最外层轮廓，并且保存轮廓上所有点：
轮廓：
只有最外层的轮廓被检测到，内层的轮廓被忽略。
contours向量内所有点集：
contours向量保存了所有轮廓上的所有点。
hierarchy向量：
重温一下hierarchy向量————向量中每个元素的4个整形分别对应当前轮廓的后一个轮廓、前一个轮廓、父轮廓、内
嵌轮廓的索引编号。
本次参数配置下，hierarchy向量内有3个元素，分别对应于3个轮廓。以第2个轮廓（对应向量内第1个元素）为例，
内容为[2,0,-1,-1], “2”表示当前轮廓的后一个轮廓的编号为2，“0”表示当前轮廓的前一个轮廓编号为0，其后2
个“-1”表示为空，因为只有最外层轮廓这一个等级，所以不存在父轮廓和内嵌轮廓。
二、 mode取值“CV_RETR_LIST”，method取值“CV_CHAIN_APPROX_SIMPLE”，即检测所有轮廓，但各轮廓之间彼此独立，不建立等级关系，并且仅保存轮廓上拐点信息：
检测到的轮廓跟上文[一]中的Contours Image是一致的，不再显示。
contours向量内所有点集：
contours向量中所有的拐点信息得到了保留，但是拐点与拐点之间直线段的部分省略掉了。
hierarchy向量（截取一部分）：
本次参数配置下，检测出了较多轮廓。第1、第2个整形值分别指向上一个和下一个轮廓编号，由于本次配置mode取
值“RETR_LIST”，各轮廓间各自独立，不建立等级关系，所以第3、第4个整形参数为空，设为值-1。
三、mode取值“CV_RETR_TREE”，method取值“CV_CHAIN_APPROX_NONE”，即检测所有轮廓，轮廓间建立外层、内层的等级关系，并且保存轮廓上所有点。
contours向量内所有点集：
所有内外层轮廓都被检测到，contours点集组成的图形跟轮廓表现一致。
hierarchy向量（截取一部分）:
本次参数配置要求检测所有轮廓，每个轮廓都被划分等级，最外围、第一内围、第二内围等等，所以除第1个最后一
个轮廓外，其他轮廓都具有不为-1的第3、第4个整形参数，分别指向当前轮廓的父轮廓、内嵌轮廓索引编号。
四、Point()偏移量设置
使用三中的参数配置，设置偏移量Point为Point（45,30）。
此时轮廓图像为：
可以看到轮廓图像整体向右下角有一个偏转，偏转量就是设置的（45,30）。
这个偏移量的设置不能过大或过小（负方向上的过小），若图像上任一点加上该偏移量后超出图像边界，程序会内存
溢出报错。
findContours函数的各参数就探讨到此，其他参数配置的情况大同小异。值得关注一下的是绘制轮廓的函数
drawContours中最后一个参数是一个Point类型的offset，这个offset跟findContours函数中的offset含义一致，设置之
后所绘制的轮廓是原始轮廓上所有像素点加上该偏移量offset后的效果。
当所分析图像是另外一个图像的ROI的时候，这个offset偏移量就可以大显身手了。通过加减这个偏移量，就可以把
ROI图像的检测结果投影到原始图像对应位置上。
链接阅读：
轮廓的层次结构：https://www.kancloud.cn/aollo/aolloopencv/362441