轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。
• 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理或者 Canny 边界检测。
• 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图像的话，你应该将原始图像存储到其他变量中。
• 在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体。你应该记住，要找的物体应该是白色而背景应该是黑色。
让我们看看如何在一个二值图像中查找轮廓：
cv2.findContours() 是 OpenCV 中用于查找图像中轮廓的函数。该函数的基本语法如下：
contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])
参数说明：
image: 输入图像，通常为二值图像（例如阈值化后的图像）。mode: 轮廓检索模式，有如下几种选择：cv2.RETR_EXTERNAL: 只检测最外层的轮廓。cv2.RETR_LIST: 检测所有轮廓，不建立轮廓层次。cv2.RETR_CCOMP: 检测所有轮廓，建立两层轮廓层次。cv2.RETR_TREE: 检测所有轮廓，建立完整的轮廓层次。
method: 轮廓逼近方法，有如下几种选择：cv2.CHAIN_APPROX_NONE: 存储所有的轮廓点。cv2.CHAIN_APPROX_SIMPLE: 压缩水平、垂直和斜率方向的元素，只保留其端点。cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS: 应用 Teh-Chin 链逼近算法。
contours: 输出参数，存储检测到的轮廓。hierarchy: 输出参数，存储轮廓的层次信息。offset: 可选参数，偏移值，通常不需要使用。
import cv2
# 读取图像
img = cv2.imread( r"C:\Users\mzd\Desktop\opencv\images.jpg")
# 将图像转换为灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 使用阈值处理图像
ret, thresh = cv2.threshold(gray, 127, 255, 0)# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 在原始图像上绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)# 显示原始图像和带有轮廓的图像
cv2.imshow('Original Image', img)
cv2.imshow('Contour Image', thresh)# 等待用户按下任意键
cv2.waitKey(0)
cv2.destroyAllWindows()
这个示例演示了如何使用 cv2.findContours() 函数查找图像中的轮廓，并使用 cv2.drawContours() 函数在原始图像上绘制这些轮廓。
)
