轮廓检测有什么作用：使用轮廓检测可以获得物体的边界，方便在图像中对他们进行定位。

什么是轮廓：当我们把物体边缘所有的点连接在一起可以获得轮廓。对于特定的轮廓是指那些具有相同颜色和亮度的边界点像素。

调用流程：
（1）读入图像
（2）将读入图像转化为灰度图
（3）对（2）得到的灰度图进行二值化或者Candy边缘检测处理，从而把感兴趣的物体加亮凸显出来以便于使用轮廓检测算法
（4）进行轮廓检测（使用 findContours()函数来检测图像中的所有的轮廓）
（5）在原图中显示轮廓（使用 drawContours()函数来在原图上显示轮廓）

注意：
1、对象是二值图像。所以需要预先进行阈值分割或者边缘检测处理；
2、查找轮廓需要更改原始图像。因此，通常使用原图像的一份拷贝操作；
3、在OpenCV中，是从黑色背景中查找白色对象。因此，对象必须是白色的，背景必须是黑色的。

一、进行轮廓检测

conturs,hierarchy = cv2.findContours(img,mode,method)

参数：

• contours：检测到的轮廓，每个轮廓是由一些点构成的向量组成
• hierarchy：记录轮廓之间的层级关系，四个维度分别代表：同级后一个轮廓的序号、同级上一个轮廓的序号、第一个孩子序号，父亲序号
• mode：检测轮廓的层级关系排列规则：
  （1）RETR_EXTERNAL：仅仅检测外圈轮廓；
  （2）RETR_LIST：检测所有轮廓，但是没有层级关系；
  （3）RETR_CCOMP：仅仅两层包含关系，即只有外层和内层，假设有夹层，那么夹层也算外层，只要某个轮廓还包含有轮廓，都算外部轮廓；
  （4）RETR_TREE：检测所有的轮廓，并存储非常完整的层级关系，一般都用这个 把所有轮廓都存下来以后用得到哪个就拿哪个
• method：轮廓点的存储方式：
  （1）CHAIN_APPROX_NONE：将要存储的轮廓整个存储下来；
  （2）HAIN_APPROX_SIMPLE：该算法对水平、垂直以及对角线方向的片段轮廓进行了省略，仅仅保存了他们的端点。这意味着所有直线上的点都会消失，只保存端点信息，比如矩形就只保存四个顶点。这种模式先处理速度要比CHAIN_APPROX_NONE更快，所需要的内存更少，因此执行时间就会被节省。

二、绘制轮廓

img = cv2.drawContours(img,contours,index,color,thickness,linetype)

参数：

• contours：是list类型的数组，里面存储了轮廓数组包含所有存储的轮廓
• contourIdx：从上面的轮廓list中取出哪一个画出来，-1代表全部
• color：绘制轮廓所用颜色
• thickness：线条粗细，-1代表填充式画轮廓，整个轮廓内部被指定颜色填充
• lineType：线条类型，虚线、实线之类的，默认实线

注意：
绘制轮廓钱要做一个原图的副本，图片传入绘制轮廓函数后，会在该图片上画出轮廓从而使得该图片无法使用

示例：

import cv2

src_img = cv2.imread("5-1.jpg", cv2.IMREAD_UNCHANGED)
cv2.imshow("src_img", src_img)

# 先对图像进行灰度处理
gray = cv2.cvtColor(src_img, cv2.COLOR_BGR2GRAY)
# 进行二值处理
rat, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours,hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 画出轮廓
r = cv2.drawContours(src_img, contours, -1, (0, 255, 0), 6)

cv2.imshow('result', r)

cv2.waitKey(0)
cv2.destroyAllWindows()

如果有一张图片如下：

背景是白色的，我们需要找轮廓，我们需要的轮廓信息是椭圆和长方形轮廓，如果按上面的程序进行处理，效果如下：

但是效果是，轮廓多了一个最大的长方形轮廓，这是因为在OpenCV中，是从黑色背景中查找白色对象。因此，对象必须是白色的，背景必须是黑色的。所以要解决如下问题，只需要在进行二值处理时，选择反二进制阈值化。将：

rat, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

改成：

rat, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)

现在就达到需要的效果了。