版权提示：本文引用于http://blog.csdn.net/wsd gtx 2038/article/details/12889059。 素材也是从这里取得的。 这篇文章被修改了一部分。
本文主要参考wsdgtx2038本文档，转载时请注意原始来源。
本文主要介绍了如何在Python中使用OpenCV检测和绘制轮廓。
配置文件检测
轮廓检测也经常用于图像处理。 OpenCV-Python界面使用cv2.findContours ) )函数查找检测物体的轮廓。
实施方法如下。
import cv 2img=cv2.im read (./test.jpg ) (gray=cv2.cvtcolor ) img，cv2.COLOR_BGR2GRAY ) ret，binary=cv2 cv2
请注意，由于cv2.findContours ()函数接收的参数是二值图表或黑白(不是灰度)，因此必须将读取的图像转换为灰度，然后再转换为二值图表。 请参见4、5中的两行。 第六行是检测轮廓，第七行是描绘轮廓。
结果如下。
检测结果如下。
注意，findcontours函数“就地”修改输入的图像。 这可以通过以下语句进行验证。
cv2.imshow(binary )，binary (contours )，hierarchy=cv2.find contours (binary )，cv2.RETR_TREE，cv2.chain_ )
cv2.findContours ()函数的原型如下
CV2.findcontours(image，mode，method[，contours[，hierarchy[，offset]]] ) opencv2表示contours:hierarchy中的两个注：opencv3返回三个值。 分别是img、countours、hierarchy参数的第一个参数是寻找轮廓的图像。 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 检测的配置文件不建立等级关系
创建 cv2.RETR_CCOMP阶段的轮廓。 上层是外部边界，中层是内部孔的边界信息。 内孔内有连通物体时，该物体的边界也在顶层。
cv2.RETR_TREE创建等级树结构的大纲。
第三个参数method存储轮廓近似方法cv2.CHAIN_APPROX_NONE所有轮廓点，相邻两点的像素位置差不大于1，即max(ABS(x1-x2 )，ABS (y2-y1 ) )=1
cv2.CHAIN_APPROX_SIMPLE 压缩水平方向、垂直方向、对角线方向的要素，仅保持该方向的终点坐标。 例如，矩形轮廓用4个点保持轮廓信息
使用33558 www.Sina.com/teh-chinlchain近似算法
返回值cv2.findContours () )函数返回两个值：配置文件本身和对应于每个配置文件的属性。
contour返回值cv2.findContours ()函数首先返回list。 list中的每个元素都是图像的轮廓，用numpy的ndarray表示。 这个概念很重要。 在下面的drawContours上可以看到。 通过
打印(type (contours ) )打印(type ) contours[0] ) (打印(len ) contours ) )
可以验证上述信息。 在这个例子中，你可以看到五角星和矩形两个轮廓。 每个轮廓是ndarray，每个ndarray是轮廓上的点的集合。
我知道回来的轮廓有两个，所以可以通过
cv2.drawcontours(img，contours，0，)、0，0，255 )、3 )和
cv2.drawContours(img,contours,1,(0,255,0),3)分别绘制两个轮廓，关于该参数可参见下面一节的内容。同时通过
print (len(contours[0])) print (len(contours[1]))
输出两个轮廓中存储的点的个数，可以看到，第一个轮廓中只有4个元素，这是因为轮廓中并不是存储轮廓上所有的点，而是只存储可以用直线描述轮廓的点的个数，比如一个“正立”的矩形，只需4个顶点就能描述轮廓了。
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。
通过
print (type(hierarchy)) print (hierarchy.ndim) print (hierarchy[0].ndim) print (hierarchy.shape)
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。
轮廓的绘制OpenCV中通过cv2.drawContours在图像上绘制轮廓。
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；第二个参数是轮廓本身，在Python中是一个list。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。绘制参数将在以后独立详细介绍。补充：
OpenCV-Python教程（11、轮廓检测）_wsdgtx2038的专栏-CSDN博客_轮廓检测博客提到，可用下面的方式计算得到轮廓的极值点，如下
pentagram = contours[1] #第二条轮廓是五角星 leftmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()]) rightmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()]) cv2.circle(img, leftmost, 2, (0,255,0),3) cv2.circle(img, rightmost, 2, (0,0,255),3)
注意！假设轮廓有100个点，OpenCV返回的ndarray的维数是(100, 1, 2)！！！而不是我们认为的(100, 2)。切记！！！人民邮电出版社出版了一本《NumPy攻略：Python科学计算与数据分析》，推荐去看一下。
更新：关于pentagram[:,0]的意思
在numpy的数组中，用逗号分隔的是轴的索引。举个例子，假设有如下的数组：
a = np.array([[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]])
其shape是(5, 1, 2)。与我们的轮廓是相同的。那么a[:,0]的结果就是：
[3,4], [1,2], [5,7], [3,7], [1,8]
这里a[:,0]的意思就是a[0:5,0]，也就是a[0:5,0:0:2]，这三者是等价的。
回头看一下，a的shape是(5,1,2)，表明是三个轴的。在numpy的数组中，轴的索引是通过逗号分隔的。同时冒号索引“:”表示的是该轴的所有元素。因此a[:, 0]表示的是第一个轴的所有元素和第二个轴的第一个元素。在这里既等价于a[0:5, 0]。
再者，若给出的索引数少于数组中总索引数，则将已给出的索引树默认按顺序指派到轴上。比如a[0:5,0]只给出了两个轴的索引，则第一个索引就是第一个轴的，第二个索引是第二个轴的，而第三个索引没有，则默认为[:]，即该轴的所有内容。因此a[0:5,0]也等价于a[0:5,0:0:2]。
再详细一点，a的全体内容为：[[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]]。去掉第一层方括号，其中有五个元素，每个元素为[[3,4]]这样的，所以第一个索引的范围为[0:5]。注意OpenCV函数返回的多维数组和常见的numpy数组的不同之处！
观察[[3,4]]，我们发现其中只有一个元素，即[3, 4]，第二个索引为[0:1]。
再去掉一层方括号，我们面对的是[3,4]，有两个元素，所以第三个索引的范围为[0:2]。
再次强调一下OpenCVPython接口函数返回的NumPy数组和普通的NumPy数组在组织上的不同之处。
参考资料：1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
3、OpenCV官方文档Contour部分
关于 Python opencv 使用中的 ValueError: too many values to unpack_jjddss的专栏-CSDN博客
opencv3可能会报too many values to unpack (expected 2)的错误最近在OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。
根据网上的 教程，Python OpenCV的轮廓提取函数会返回两个值，第一个为轮廓的点集，第二个是各层轮廓的索引。但是实际调用时我的程序报错了，错误内容如下：too many values to unpack (expected 2)
其实是接受返回值不符，如果你仅仅使用一个变量a去接受返回值，调用len(a),你会发现长度为3，也就是说这个函数实际上返回了三个值
第一个，也是最坑爹的一个，它返回了你所处理的图像第二个，正是我们要找的，轮廓的点集第三个，各层轮廓的索引使用方式如下：
import cv2 img = cv2.imread("./test.jpg") gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY) contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE) cv2.drawContours(img,contours,-1,(0,0,255),3) cv2.imshow("img", img) cv2.waitKey(0)运行时出现错误： ValueError: too many values to unpack
原因：由于版本（使用的时3.2.0.7）问题 cv.findContours返回值个数发生变化，变为3个。因此应该为
aa, ctrs, hier = cv2.findContours(im_th.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)假如第一个参数不使用，可写成
_, ctrs, hier = cv2.findContours(im_th.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)拓展：
ValueError: too many values to unpack 类错误，多为输入或者输出参数数量不一致导致。
参考：
OpenCV-Python教程（11、轮廓检测）_wsdgtx2038的专栏-CSDN博客_轮廓检测