引言
二值图像分析最常见的一个主要方式就是轮廓发现与轮廓分析，其中轮廓发现的目的是为轮廓分析做准备，经过轮廓分析我们可以得到轮廓各种有用的属性信息。
这里顺带提下边缘检测，和轮廓提取的区别：
边缘检测主要是通过一些手段检测数字图像中明暗变化剧烈（即梯度变化比较大）像素点，偏向于图像中像素点的变化。如canny边缘检测，结果通常保存在和源图片一样尺寸和类型的边缘图中。
轮廓检测指检测图像中的对象边界，更偏向于关注上层语义对象。如OpenCV中的findContours()函数， 它会得到每一个轮廓并以点向量方式存储，除此也得到一个图像的拓扑信息，即一个轮廓的后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的索引编号。
一，轮廓的发现与绘制
在OpenCV里面利用findContours()函数和drawContours()函数实现这一功能。
- findContours()函数
void findContours(
InputArray image,
OutputArrayOfArrays contours,
OutputArray hierarchy,
int mode,
int method,
Point offset = Point()
)
参数一： image，输入图像、八位单通道的，背景为黑色的二值图像。（一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像）
参数二：contours，输出轮廓图像。是一个向量，向量的每个元素都是一个轮廓。因此，这个向量的每个元素仍是一个向量。即：
vector<vector<Point> > contours;
参数三：hierarchy，输出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。即：
vector<Vec4i> hierarchy;
参数四：mode，检测轮廓的方法。有四种方法：
- RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞。
- RETR_LIST：检测所有轮廓，但不建立继承(包含)关系。
- RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。
- RETR_CCOMP：检测所有轮廓，但是仅仅建立两层包含关系。
参数五：method，每个轮廓的编码信息。也有四种（常用前两种）
- CHAIN_APPROX_NONE：把轮廓上所有的点存储。
- CHAIN_APPROX_SIMPLE：只存储轮廓上的拐点。
- CHAIN_APPROX_TC89_L1，CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
参数六： Point，偏移量。默认为0
注意：该函数将白色区域当作前景物体。所以findContours()函数是黑色背景下找白色轮廓。（重要！！！）
- drawContours()函数
drawContours(
InputOutputArray binImg, // 输出图像
OutputArrayOfArrays contours,// 全部发现的轮廓对象
Int contourIdx// 轮廓索引号，-1表示绘制所有轮廓
const Scalar & color,// 绘制时候颜色
int thickness,// 绘制线宽，-1表示填充轮廓内部
int lineType,// 线的类型LINE_8
InputArray hierarchy,// 拓扑结构图
int maxlevel,// 最大层数， 0只绘制当前的，1表示绘制绘制当前及其内嵌的轮廓
Point offset = Point()// 轮廓位移，可选
）
二，轮廓分析（二值图像分析)
在得到图像的轮廓以后，我们就可以进行轮廓分析。经过轮廓分析我们可以得到轮廓各种有用的属性信息、常见的如下：