轮廓，可以理解为图像中具有相同颜色或密度的位于边界的连续点的集合，轮廓是形状分析和对象识别的有利工具。
在OpenCV-Python中，常用findContours函数来进行轮廓检测，后使用drawContours函数在图像中显示出检测到的轮廓，每个独立的轮廓是以Numpy array的点坐标的形式呈现，两个函数通常互相结合使用。

轮廓检测函数findContours

从黑色背景中获取白色区域的轮廓

• 函数原型：

contours, hierarchy=cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

• 参数：

1. image： 源图像，必须为8位单通道图像，非零像素值均按像素值为1处理，0像素保留其像素值，该函数在提取轮廓过程中会改变图像，加载图像后会自动转化为二值图像。

2. mode: 轮廓检索模式
   cv2.RETR_EXTERNAL：
   只检测最外层轮廓，并置hierarchy[i][2] = hierarchy[i][3] = -1
   cv2.RETR_LIST：
   提取所有轮廓并记录在列表中，轮廓之间无等级关系
   cv2.RETR_CCOMP：
   提取所有轮廓并建立双层结构（顶层为连通域的外围轮廓，底层为孔的内层边界）
   cv2.RETR_TREE：
   提取所有轮廓，并重新建立轮廓层次结构

3. method：轮廓逼近方法
   cv2.CHAIN_APPROX_NONE：
   获取每个轮廓的每个元素，相邻像素的位置差不超过1，即连续的点，但通常我们并不需要所有的点
   cv2.CHAIN_APPROX_SIMPLE：
   压缩水平方向、垂直方向和对角线方向的元素，保留该方向的终点坐标，如矩形的轮廓可用4个角点表示，这是一种常用的方法，比第一种方法能得出更少的点
   cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：
   对应Tch-Chain链逼近算法

4. contours：轮廓信息，每个轮廓由点集组成，所有的轮廓构成了contours列表

5. hierarchy：表示轮廓的层次信息（拓扑信息，“树”），每个轮廓元素contours[i]对应4个hierarchy元素–hierarchy[i][0]~hierarchy[i][3]，分别表示后一个轮廓、前一个轮廓、父轮廓和内嵌轮廓的编号，若无对应项，则该参数为负值。

6. offset：偏移

轮廓绘制函数drawContours

• 函数原型：

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])

• 参数：

1. image：目标输出图像
2. contours：所有的轮廓，可直接传入findContours函数中的contours参数
3. contourIdx：轮廓的索引，即绘制哪个轮廓，若为负值则绘制所有轮廓
4. color：绘制轮廓时使用的颜色，元组形式，如（255）或（255，255，255）
5. thickness：绘制的轮廓的线条粗细程度，若为复数，则表示要填充整个轮廓
6. lineType：线条类型，默认值LINE-8

样例

import cv2 as cv
import numpy as npsrc = cv.imread("C:/Users/example.png")
cv.imshow("original image", src)
src = cv.cvtColor(src, cv.COLOR_BGR2GRAY)  # 灰度处理 转为单通道图像
img = np.zeros(src.shape, np.uint8)  # 绘制一张和
contours, hierarchy = cv.findContours(src, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)  # 轮廓检测函数
cv.drawContours(img, contours, -1, (255, 255, 255), 1)  # 轮廓绘制函数
cv.imshow("img", img)
cv.waitKey(0)
cv.destroyAllWindows()