通过阈值分割提取图像中的目标物体，通过边缘检测提取目标物体的轮廓。接下来，需要拟合这些边缘和前景，确定边缘是否满足某种几何形状。

查找、绘制轮廓

• 一个轮廓代表一系列的点(像素)，这一系列的点构成了一个有序的点集。
• 通过阈值分割后的二值图可以看成由多个轮廓(点集)组成的。
• 函数findContours的作用就是将二值图的边缘像素或者前景像素拆分成多个轮廓、
• 为了直观的理解所找的轮廓，可以通过函数drawContours绘制出多个轮廓

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread(r"C:\Users\h\Desktop\image\lena.jpg"))

ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

image,contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    # 轮廓绘制方法一
    # boundingRect函数计算边框值，x，y是坐标值，w，h是矩形的宽和高
    x, y, w, h = cv2.boundingRect(c)
    # 在img图像画出矩形，(x, y), (x + w, y + h)是矩形坐标，(0, 255, 0)设置通道颜色，2是设置线条粗度
    cv2.rectangle(img, (x, y), (x + w, y + h), (0,255, 0), 2)

    # 轮廓绘制方法二
    # 查找最小区域
    rect = cv2.minAreaRect(c)
    # 计算最小面积矩形的坐标
    box = cv2.boxPoints(rect)
    # 将坐标规范化为整数
    box = np.int0(box)
    # 绘制矩形
    cv2.drawContours(img, [box], 0, (0, 0, 255), 3)

    # 轮廓绘制方法三
    # 圆心坐标和半径的计算
    (x, y), radius = cv2.minEnclosingCircle(c)
    # 规范化为整数
    center = (int(x), int(y))
    radius = int(radius)
    # 勾画圆形区域
    img = cv2.circle(img, center, radius, (255, 0, 0), 2)

#  轮廓绘制方法四
# 围绕图形勾画蓝色线条
    #cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

# 显示图像
cv2.imshow("contours", img)
cv2.waitKey()
cv2.destroyAllWindows()