图像轮廓概念

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。
谈起轮廓不免想到边缘，它们确实很像。简单的说，轮廓是连续的，边缘并不全都连续（下图）。其实边缘主要是作为图像的特征使用，比如可以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。

理解图像边缘和轮廓

寻找轮廓的操作一般用于二值图像，所以通常会使用阈值分割或Canny边缘检测先得到二值图。

注意：寻找轮廓是针对白色物体的，一定要保证物体是白色，而背景是黑色，不然很多人在寻找轮廓时会找到图片最外面的一个框。

opencv找出图像轮廓

使用cv.findContours()寻找轮廓：

import cv2 as cv
import numpy as np

img = cv.imread('j.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
    thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

print(len(contours))

参数2：轮廓的查找方式，一般使用cv.RETR_TREE，表示提取所有的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，也可以只存储起点和终点。使用cv.CHAIN_APPROX_SIMPLE就表示用尽可能少的像素点表示轮廓。
简便起见，这两个参数也可以直接用真值3和2表示。
函数有2个返回值，hierarchy是轮廓间的层级关系，这个不用理会。我们主要看contours，它就是找到的轮廓了，以链表形式存储，记录了每条轮廓的所有像素点的坐标(x,y)。

图解函数返回值contours

opencv绘制图像轮廓

轮廓找出来后，可以像图中那样用红色画出来：cv.drawContours()

cv.drawContours(img, contours, -1, (0, 0, 255), 2)
其中参数2就是得到的contours，参数3表示要绘制哪一条轮廓，-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是线宽。

经验之谈：很多人画图时明明用了彩色，但没有效果，请检查你是在哪个图上画，画在灰度图和二值图上显然是没有彩色的。

一般情况下，我们会首先获得要操作的轮廓，再进行轮廓绘制及分析：
cnt = contours[1]
cv.drawContours(img, [cnt], 0, (0, 0, 255), 2)

实验：找出并绘制图像轮廓

import cv2 as cv
import numpy as np

img = cv.imread('jiao.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)

# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
    thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[1:6]

cv.drawContours(img, cnt, -1, (0, 0, 255), 2)

cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

用红色标出部分图像轮廓

opencv 绘制图像轮廓