4.1. 轮廓：入门¶
4.1.1. 目标¶
了解轮廓是什么。
学会找轮廓，画轮廓等
您将看到这些功能： cv2.查找目录（） ， 绘制轮廓（）
4.1.2. 什么是轮廓？¶
等高线可以简单地解释为连接所有连续点（沿边界）的曲线，具有相同的颜色或强度。轮廓线是形状分析、目标检测和识别的有用工具。
为了获得更好的精度，请使用二进制图像。因此，在寻找轮廓之前，应用阈值或canny边缘检测。
findConteurs函数修改源图像。所以，如果你想得到源图像，即使在找到轮廓后，也要将其存储到其他变量中。
在OpenCV中，寻找轮廓就像从黑色背景中寻找白色物体。所以记住，要找到的物体应该是白色的，背景应该是黑色的。
让我们看看如何找到二值图像的轮廓：
>>> %matplotlib inline
>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> import cv2
>>>
>>> # im = cv2.imread('test.jpg')
>>> im = cv2.imread('/cvdata/messi5.jpg')
>>> imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
>>> ret,thresh = cv2.threshold(imgray,127,255,0)
>>> image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
看，有三个论点 cv2.查找目录（） 函数，一是源图像，二是轮廓检索模式，三是轮廓逼近方法。输出图像、轮廓和层次结构。 contours 是图像中所有轮廓的Python列表。每一个单独的轮廓是物体边界点（x，y）坐标的Numpy数组。
注意
稍后我们将详细讨论第二和第三个参数以及关于层次结构的问题。在此之前，在代码示例中给它们的值对于所有图像都可以正常工作。
4.1.3. 如何绘制轮廓？¶
为了画出轮廓， cv2.drawContours 使用函数。它也可以用来绘制任何形状，只要你有它的边界点。它的第一个参数是源图像，第二个参数是应该作为Python列表传递的轮廓，第三个参数是轮廓索引（在绘制单个轮廓时很有用）。要绘制所有轮廓，pass-1）和其余参数是颜色、厚度等。
要绘制图像中的所有轮廓：
>>> img = cv2.drawContours(im, contours, -1, (0,255,0), 3)
>>> plt.imshow(img)
<matplotlib.image.AxesImage at 0x7f2d3da30b70>
要绘制单个轮廓，请说第四个轮廓：
>>> img = cv2.drawContours(im, contours, 3, (0,255,0), 3)
>>> plt.imshow(img)
<matplotlib.image.AxesImage at 0x7f2d3c0c1470>
但在大多数情况下，以下方法将是有用的：
>>> cnt = contours[4]
>>> img = cv2.drawContours(im, [cnt], 0, (0,255,0), 3)
>>> plt.imshow(img)
<matplotlib.image.AxesImage at 0x7f2d3c09c860>
注意
最后两种方法是相同的，但当您继续前进时，您将看到最后一种方法更有用。
4.1.4. 轮廓近似法¶
这是第三个论点 cv2.findContours 功能。它实际上意味着什么？
上面，我们说等高线是具有相同强度的形状的边界。它存储形状边界的（x，y）坐标。但它能存储所有的坐标吗？由该轮廓近似方法指定的。
如果你通过 cv2.CHAIN_APPROX_NONE ，存储所有边界点。但实际上我们需要所有的要点吗？例如，你发现了一条直线的轮廓。你需要这条线上的所有点来表示那条线吗？不，我们只需要那条线的两个端点。这就是 cv2.CHAIN_APPROX_SIMPLE 做。它删除所有冗余点并压缩轮廓，从而节省内存。
下面的矩形图片演示了这种技术。只需在轮廓数组中的所有坐标上画一个圆（用蓝色绘制）。第一张图片显示了我得到的分数 cv2.CHAIN_APPROX_NONE （734点）第二张图片显示 cv2.CHAIN_APPROX_SIMPLE （只有4分）。看，它节省了多少内存！！！