摘要：
轮廓是由一系列连接点组成的曲线，表示对象的基本形状。轮廓与边缘非常相似，但轮廓是连续的，边缘并非都是连续的。事实上，边缘主要用作图像的特征。例如，边缘特征可以区分脸和手，而轮廓主要用于分析对象的形状，例如对象的周长和面积。可以说，边缘包括轮廓。寻找轮廓的操作通常用于二值图像，因此通常首先使用阈值分割或Canny边缘检测来获得二值图像。总结使用cv2。findContours（）来查找轮廓，以及cv2。drawContours（）绘制轮廓
啥叫轮廓
轮廓是一系列相连的点组成的曲线，代表了物体的基本外形。
轮廓与边缘很相似，但轮廓是连续的，边缘并不全都连续，其实边缘主要是作为图像的特征使用，比如用边缘特征可以区分脸和手，而轮廓主要用来分析物体的形态，比如物体的周长和面积等，可以说边缘包括轮廓。
寻找轮廓的操作一般用于二值化图，所以通常会使用阈值分割或Canny边缘检测先得到二值图。
寻找轮廓
import cv2img = cv2.imread('handwriting.jpg') img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(img_gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 寻找二值化图中的轮廓 image, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) print(len(contours)) # 结果是2
- 参数2：轮廓的查找方式，一般使用cv2.RETR_TREE，表示提取所有轮廓并建立轮廓间的层级
- 参数3：轮廓的近似方法，比如对于一条直线，我们可以存储该直线的所有像素点，也可以存储起点和终点，使用cv2.CHAIN_APPROX_SIMPLE就表示尽可能少的像素点表示轮廓
函数有3个返回值，image还是原来的二值化图片，hierarchy是轮廓间的层级关系，contours表示轮廓，以数组形式存储，记录了每条轮廓的所有像素点的坐标（x，y）
绘制轮廓
ContourPicture = cv2.drawContours(img, contours, -1, (0, 0, 255), 2) cv2.imshow("ContourPicture", ContourPicture) cv2.waitKey(0)
参数2就是得到contours，参数3表示要绘制那一条轮廓，-1表示绘制所有轮廓，参数4是颜色（B/G/R通道，所以（0，0，255）表示红色），参数5表示线宽。
总结
使用cv2.findContours()寻找轮廓，cv2.drawContours()绘制轮廓