opencv-python 4.0.1
1 函数释义
词义：发现轮廓！
从二进制图像中查找轮廓（Finds contours in a binary image）；轮廓是形状分析和物体检测和识别的有用工具。
findContours(image, mode, method[, contours[, hierarchy[, offset]]]) -> contours, hierarchy
参数
image - 一个8位单通道二值图像（非0即1）。非零像素视为1、零像素依然为0， 因此图像被视为二进制。也可使用compare()、inRange()、threshold()、adaptiveThreshold()、Canny()等函数从灰度图或彩色图中创建二进制图像。若 mode 等于 #RETR_CCOMP 或 #RETR_FLOODFILL，则输入也可以是标签的32位整数图像（CV_32SC1）。
mode - 轮廓检索模式
- CV.RETR_EXTERNAL - 仅检索外轮廓。并为所有轮廓设置层级结构，如 sets hierarchy[i][2]=hierarchy[i][3]=-1
- CV.RETR_LIST - 检索轮廓但不建立任何层次关系。
- CV.RETR_CCOMP - 检索所有轮廓并将它们组织成两级层次结构。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。
- CV.RETR_TREE - 检索所有轮廓并建立等级树结构的轮廓，具体演示参考contours.c这个demo
method - 轮廓近似方法
- CV.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
- CV.CHAIN_APPROX_SIMPLE - 压缩水平、垂直、对角线方向的元素，仅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
- CV.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS - 使用teh-Chinl 链式近似算法
offset - 每个轮廓点的偏移量。若从image ROI中提取轮廓，则应基于整个图像进行分析
返回值
contours - 检测到的轮廓，列表list形式，list 中每个元素都是图像中的一个轮廓，这里的每一个元素仍为（点）向量。
hierarchy - 它和轮廓 contours 个数相同（可选结果），这是一个 ndarray，其中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。（各个轮廓的继承关系。hierarchy也是一个向量，长度和contours相等，每个元素和contours的元素对应。hierarchy的每个元素是一个包含四个整型数的向量）
注意：
Source image is modified by this function.
该函数会修改输入的图像，故建议使用原始图像的副本，所以在代码中常用 img.copy() 来作为输入图像。
2 示例
2.1 简单代码帮助理解函数 findcontours 和 drawcontours
import cv2
import numpy as np
# 绘制图像（在黑中绘制出一个白色方块）
img = np.zeros((200,200),dtype = np.uint8)
img[50:150, 50:150] = 255
# 对img进行阈值/二值化操作
re_thresh,re_img = cv2.threshold(img,127,255,0)
# 轮廓检测
contours, hierarchy = cv2.findContours(re_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 将灰度图转为BGR图
color = cv2.cvtColor(re_img, cv2.COLOR_GRAY2BGR)
# 绘制轮廓线
cv2.drawContours(color, contours, -1, (0,255,0), 2)
cv2.imshow('img',color)
cv2.waitKey()
cv2.destroyAllWindows()
备注：
1）这里必须将灰度图转为彩色图（例如该例中的BGR），若无，则无法绘制轮廓线。
2）下面代码语句是等效的，因函数 drawContours() 会修改原 image 值（等于返回值），
cv2.drawContours(color1, contours, -1, (0,255,0), 2) color2 = cv2.drawContours(color, contours, -1, (0,255,0), 2) print(id(color1)) print(id(color2))
运行
2524168987312 2524168987312
3）轮廓线的颜色查询网站。十六进制颜色码 < - > RGB颜色值
4）该代码来源于《OpenCV 3 计算机视觉 - python语言实现（原书第二版）》第45页 3.8 轮廓检测 内容，该段代码可能是OpenCV 版本的差异，运行时已经报错，问题在于我用的opencv-python 为4.0.1版本，返回值有两个，而书中的返回值是 3 个。
ValueError: not enough values to unpack (expected 3, got 2)
2.2 简单图像检测
绘制一张图表
编制一段代码对其进行轮廓检测。
两种导入的思路，一种将图片以灰度图形式导入，另一种是正常导入，然后cvtColor()灰度处理。当然，这不是本节内容重点，仅作为小插曲。
import cv2
# 以灰度图形式读取图片数据
img = cv2.imread('picture_white.png',0)
img = img.copy()
# 图像二进制阈值化处理
ret, binary_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
# 轮廓检测
contours, hierarchy = cv2.findContours(binary_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 转为BGR彩色图
bgr_img = cv2.cvtColor(img,cv2.COLOR_GRAY2BGR)
# 绘制轮廓图
cv2.drawContours(bgr_img, contours, -1, (0,0,255), 3)
cv2.imshow('img', bgr_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
另一种
import cv2
# 直接读取图像数据
im = cv2.imread('picture_white.png')
im = im.copy()
# 图像灰度处理
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
# 将灰度图进行二进制阈值化
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 轮廓检测
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓线
cv2.drawContours(im, contours, -1, (0,0,255), 3)
cv2.imshow('img', im)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行结果
同样的代码检测下图的对比
参考：