话不多说，上代码，看结果。

import cv2           # 导入库
import numpy as npfont = cv2.FONT_HERSHEY_SIMPLEX
'''  cv2.imread(filename,flags)
# filename为文件名，图片与.py文件在一个文件夹时输入文件名即可
# 不在一个文件夹时输入图片的路径和名字
# flags为图片的颜色类型，默认为1，灰度图像为0
'''
img = cv2.imread('29.jpg')
'''np.copy()
# 数组拷贝，理解成备份原图像就行
# 原图像img， 备份图像img1
# 原图像随便改，备份图像还是初始的原图像
'''
temp = img.copy()white1 = np.ones(img.shape, np.uint8) * 255    # 创建全白图像
black1 = np.zeros(img.shape, np.uint8)       # 创建全黑图像'''cv2.cvtColor()
# 颜色空间转换
# img为要转换的图像，后者为转换的格式
# 颜色空间有很多种，最常见的就是RGB颜色空间
# R红色，G绿色，B蓝色，OpenCV中顺序是BGR！！！！！！！
# [255, 0,0]是蓝色，[0, 255, 0]表示绿色，[0， 0， 255]表示红色HSV颜色空间
# 也挺常用的，H是色调，S是饱和度，V是明度，具体百度就行
'''
gray = cv2.cvtColor(temp, cv2.COLOR_BGR2GRAY)
'''
cv2.namedWindow(winname,flags)
#  winname是窗口名字
#  flags为窗口显示方式，cv2.WINDOW_NORMAL为正常显示，可以调整大小
# cv2.WINDOW_AUTOSIZE显示原图片的大小，用户不能调整大小
'''
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
'''cv2.imshow(winname,mat)
# winname为显示的窗口
# mat 需要显示的图像
'''
cv2.imshow('img', img)
'''cv2.blur(src, ksize, dst, anchor, borderType)均值滤波
# 用邻域内像素均值来代替该点像素值，均值滤波在去噪的同时也破坏了图像细节部分
#  src 要滤波的图像   ksize 内核的大小  anchor 锚点，即要平滑的点，默认值(-1, -1),即在核中心
#  ksize(3, 3)表示3 * 3的核大小
# dst 输出图像
# borderType 图像像素边界类型，默认就行
'''
gray = cv2.blur(gray, (3, 3))# 对图片做二值变化
'''cv2.threshold(src, thresh, maxval, type, dst)给定阈值，可以过滤灰度值过大或过小的点
# src 要滤波的图像  dst 输出图像
# thresh 给定阈值  咋判断选取的这个数的好坏呢？不停尝试。
# 用Otsu 不停尝试
# 多加一个参数：cv2.THRESH_OTSU,这时要把阈值设为 0。然后算法会找到最优阈值.
# 这个最优阈值就是返回值ret。如果不使用Otsu二值化，返回的retVal 值与设定的阈值相等
# maxval cv2.THRESH_BINARY  二值化阈值，大于阈值的部分被置为255，小于部分被置为0
# cv2.THRESH_BINARY_INV     反向二值化阈值，大于阈值部分被置为0，小于部分被置为255
# cv2.THRESH_TOZERO        大于部分保持不变, 小于阈值部分被置为0
# cv2.THRESH_TOZERO_INV    大于阈值部分被置为0，小于部分保持不变
# cv2.THRESH_TRUNC          截断阈值化，大于阈值部分被置为threshold，小于部分保持原样
'''
ret, thresh = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)'''cv2.findContours(image, mode, method, contours, hierarchy, offset)
# image 输入图像, 8位单通道图像(一般为二值图)
# contours: 检测到的轮廓, 每个轮廓存储为一个点向量, 即Point类型的vector表示
# hierarchy: 可选的输出向量, 包含图像的拓扑信息。
# 其作为轮廓数量的表示, 包含了许多元素, 每个轮廓contours[i]对应4个hierarchy元素
# hierarchy[i][0]~hierarchy[i][3], 分别表示后一轮廓、前一轮廓、父轮廓、内嵌轮廓的索引编号, 
# 如果没有对应项, 设置为负数
# mode: 轮廓检索模式, 取值如下:
# cv2.RETR_EXTERNAL=0-----表示只检测最外层轮廓
# cv2.RETR_LIST=1------提取所有轮廓并放置在list中, 轮廓不建立等级关系
# cv2.RETR_CCOMP=2------提取所有轮廓并组织为双层结构
# cv2.RETR_TREE =3------提取所有轮廓并重新建立网状轮廓结构
# method: 轮廓的近似方法,取值见图2
# offset: 每个轮廓的可选偏移量, 默认值Point()
'''
thresh, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))  # 输出轮廓个数while True:for i in range(0, len(contours)):result = white1.copy()draw = black1.copy()'''cv2.drawContours(image, contours, contourIdx, color, thickness, lineType, hierarchy, maxLevel, offset)画出图片中的轮廓值，也可以用来画轮廓的近似值# img 输入的需要画的图片 contours 轮廓值# -1表示轮廓的索引， (0, 0, 255)表示颜色， 2表示线条粗细# lineType: 线条类型, 默认值8# hierarcy: 可选的层次结构信息, 默认值noArray()# maxLevel: 表示用于绘制轮廓的最大等级, 默认值INT_MAX# offset: 可选的轮廓偏移参数, 默认值Point()'''cv2.drawContours(draw, contours, i, (255, 255, 255), -1)mask1 = cv2.cvtColor(draw, cv2.COLOR_BGR2GRAY)result = cv2.bitwise_and(img, img, mask=mask1)cv2.imshow('draw', draw)cv2.imshow('result', result)'''cv2.waitKey(delay)#  delay为正数时，延时delay毫秒结束#  想要用按下某个键时退出可用以下方法：#  if(cv2.waitKey(0)  == ord('q')):exit(0)#别的方法也行，不唯一'''if cv2.waitKey(50) & 0xFF == 27:breakbreak
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
cv2.putText(img, ("Num=%s" % str(len(contours))), (5, 20), font, 0.8, (0, 255, 0), 2)
cv2.imshow('contours', img)
cv2.imwrite('result.bmp', img)'''cv2.waitKey(delay)#  delay为正数时，延时delay毫秒结束#  想要用按下某个键时退出可用以下方法：#  if(cv2.waitKey(0)  == ord('q')):exit(0)#别的方法也行，不唯一'''
if cv2.waitKey(0) & 0xFF == 27:exit(0)
'''
cv2.destroyWindow(winname)
#结束窗口，winname为窗口名
cv2.destroyAllWindows() 
#结束所有窗口
'''
cv2.destroyAllWindows()

结果如下图，单独提出每个轮廓，最后显示所有提取到的轮廓。

就先这样，遇到别的再补充。