目录一、基本概念1.1轮廓层次1.2轮廓层次列表(hierarchy )中四要素数组中各要素的含义二、findContours函数的细节三、代码示例四、drawContours函数的细节五、代码示例六、详细解释6.1 mode method将CHAIN_APPROX_NONE6.2 mode的值变更为RETR_LIST，将method的值变更为CHAIN_APPROX_SIMPLE； 6.3 mode更改为RETR_TREE，method更改为CHAIN_APPROX_NONE
一、基本概念
因为基本概念我差不多都知道，所以我相信读了详细的说明后，再回到基础概念上来看，会有更深的理解。
1.1轮廓级别如图所示为一张图像：
图中有五个颜色区域，分别标记为a、b、c、d、e。 各区域的外部边界和内部边界分别构成轮廓，轮廓数如下图所示。
构建大纲树：
每个节点都是一个大纲，根据每个节点层次结构中四元数组的索引进行标记，如下表所示。
1.2轮廓层次列表(hierarchy )中四元素数组中各元素的语义索引语义0兄弟下一个轮廓1兄弟上一个轮廓2下级第一个子节点3上级父节点2，findContours函数详解函数原型：
find contours (inputoutputarrayimage，OutputArrayOfArrays contours，OutputArray hierarchy，int mode，int method，pointoffset爸爸)
image :图像必须是8位单通道图像，可以是灰度图像，但更常用的是二值图像，一般由Canny、忧郁酒馆等边缘检测算子处理后的二值图像； (当函数运行时，此图像将直接填充。 因此，如果将来有要使用的图像，则应该复制后传递给此函数。 ) contours :定义为vectorvectorpointcontours。 向量，向量中的每个元素存储由连续点组成的点集合的向量。 每个点集都是一个轮廓，有几个轮廓，向量contours定义为Hierarchy:vectorveC4IHierarchy；向量中的每个元素都表示包含4个int型变量—— hierarchy [ I ] [0]-hierarchy [ I ] [3]，分别是第I个轮廓之后的轮廓、前面的轮廓、第一个子轮廓、父轮廓
cv:RETR_EXTERNAL :仅检测最外周轮廓；
cv:RETR_LIST :检测所有轮廓，但不建立等级关系；
cv:RETR_CCOMP :检测所有轮廓，但所有轮廓仅存在两个级别关系，外周处于最高级别
cv:RETR_TREE :检测所有轮廓，在所有轮廓上形成一个分层树结构的方法：轮廓近似方法
CV_CHAIN_APPROX_NONE :从物体边界上的所有连续轮廓点保存到contours向量
CV_CHAIN_APPROX_SIMPLE :只存储轮廓的拐点信息，所有轮廓拐点的点在contours矢量上；点：偏移，缺省为(0，0 )无偏移；代码示例为简单代码
vectorvectorPoint contours； vectorVec4i hierarchy； findcontours(image，contours，hierarchy，RETR_TREE，CHAIN_APPROX_SIMPLE，Point ) )； 四. drawContours函数详细解函数原型：
draw contours (inputoutputarrayimage，InputArrayOfArrays contours，int contourIdx，const Scalar color，int thickness=1)， intl less input array hierarchy=no array ()，int maxLevel=INT_MAX，Point offset=Point ) )参数的含义：
image (描绘轮廓的图像； contours :要绘制的轮廓组。 与findContours中输出的contours相同。 contourIdx :指示要绘制第几个轮廓。 如果此参数为负值(通常设置为-1)，则绘制所有轮廓。 颜色：指定要绘制的颜色或亮度(灰度图像)，如scalar (255，0，255 ) thickness。 直线宽度lineType :指定边框
findContours中输出的hierarchymaxLevel：限制将在图上绘制的轮廓层次深度，为0表示只绘制“第0层”，以此类推offset：偏移量，默认为（0，0）没有偏移 五、代码示例绘制轮廓部分代码如下：
Mat imageContours = Mat::zeros(image.size(), CV_8UC1);for (int i = 0; i < contours.size(); i++){//绘制轮廓drawContours(imageContours, contours, i, Scalar(255), 1, 8, hierarchy);} 六、详细解释基本流程如下：
①将输出图像使用cvtColor转换为灰度图像
②使用边缘算法（如Canny）进行边缘提取
③使用findContours寻找轮廓
④使用drawContours绘制轮廓
完整程序如下：
#include<opencv2/opencv.hpp>#include "iostream"using namespace std;using namespace cv;int main(int argc, char *argv[]){Mat imageSource = imread("D:/Desktop/1.png", 0);imshow("Source Image", imageSource);//灰度图像Mat image;GaussianBlur(imageSource, image, Size(3, 3), 0);//高斯滤波Canny(image, image, 100, 250);//canny算子边缘检测vector<vector<Point>> contours;vector<Vec4i> hierarchy;findContours(image, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point());Mat imageContours = Mat::zeros(image.size(), CV_8UC1);Mat Contours = Mat::zeros(image.size(), CV_8UC1); //绘制 for (int i = 0; i < contours.size(); i++){//contours[i]代表的是第i个轮廓，contours[i].size()代表的是第i个轮廓上所有的像素点数 for (int j = 0; j < contours[i].size(); j++){//绘制出contours向量内所有的像素点 Point P = Point(contours[i][j].x, contours[i][j].y);Contours.at<uchar>(P) = 255;}输出hierarchy向量内容 cout << "向量hierarchy的第" << i << "个元素内容为：" << endl << hierarchy[i] << endl << endl;//绘制轮廓 drawContours(imageContours, contours, i, Scalar(255), 1, 8, hierarchy);}imshow("Contours Image", imageContours); //轮廓imshow("Point of Contours", Contours); //向量contours内保存的所有轮廓点集 waitKey(0);return 0;}原图像：
灰度化图像：
边缘轮廓绘制后的图像：
向量contours内保存的所有轮廓点集形成的图像：
这种参数表示：只检测最外层轮廓。
边缘轮廓绘制后的图像：
可以发现，只有最外层的轮廓被检测到，内层的轮廓被自动忽略。
向量contours内保存的所有轮廓点集形成的图像：
可以发现，点集保存了所有轮廓上的所有点，图像表现跟轮廓一致。
hierarchy向量输出内容为：
hierarchy向量中每个元素的四个整型分别表示当前轮廓的后一个轮廓，前一个轮廓，第一条子轮廓和父轮廓的索引编号。
本次参数配置下，hierarchy向量内有4个元素，分别对应于4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。
6.2 mode取值为RETR_LIST, method取值为CHAIN_APPROX_SIMPLE；这类参数表示：检测所有轮廓，但各轮廓之间彼此独立。
边缘轮廓绘制后的图像：
可以发现，内外层轮廓都被绘制。
向量contours内保存的所有轮廓点集形成的图像：
可以发现，点集中直线段部分都被省略掉了，其他部分得到了保留。
这类参数表示：检测所有轮廓，并且轮廓间建立外层、内层的等级关系，并且保存轮廓上所有点。
边缘轮廓绘制后的图像：
可以发现，所有内外层轮廓都被绘制。
向量contours内保存的所有轮廓点集形成的图像：
contours点集组成的图形跟轮廓表现一致。
hierarchy向量输出内容为：
可以观察到，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。
如果对你有所帮助，记得点个赞哟~
参考：
1.《学习OpenCV3》
2.OpenCV中的findContours函数参数详解