1、检测轮廓

轮廓检测是图像处理中经常用到的，OpenCV-Python接口中使用cv2.findContours()函数查找检测物体的轮廓。

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

返回两个值：contours（轮廓本身），hierarchy（每条轮廓对应的属性）

参数：

• image：寻找轮廓的图像
• mode：轮廓的检索模式：

  cv2.RETR_EXTERNAL表示只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系，cv2.RETR_CCOMP建立两个等级的轮廓，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。cv2.RETR_TREE建立一个等级树结构的轮廓。

• method：轮廓的近似方法。

  cv2.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(y1-y2)）=1。 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩阵轮廓只需4个点来保存轮廓信息。 cv2.CHAIN_APPROX_TC89_L1, cv2.CHAIN_APPROX_TC89_KCOS使用teh-Chini chain近似算法

2、绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[,maxLevel[, offset ]]]]])

参数：

• image：传入要绘制轮廓的背景图片
• contours：轮廓本身
• contourIdx：指定绘制轮廓中的那条轮廓，如果是-1，则绘制其中的所有轮廓。thickness表示的是轮廓的宽度，如果是-1（cv2.FILLED），表示为填充模式。

3、代码实现

import numpy as np

import cv2

# 轮廓检测

img = cv2.imread('dog.jpg')

# 获取灰度图

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 利用阈值自动选择的方法获取二值图像

ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# 检测轮廓

contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓

cv2.drawContours(img, contours, -1, (0, 255, 0), 1)

cv2.imshow('gray', gray)

cv2.imshow('res', img)

cv2.waitKey(0)

cv2.destroyAllWindows()