本文分享内容来自图书《学习OpenCV 4：基于Python的算法实战》，该书内容如下：
第1章 OpenCV快速入门；
第2章 图像读写模块imgcodecs；
第3章 核心库模块core；
第4章 图像处理模块imgproc（一）；
第5章 图像处理模块imgproc（二）；
第6章 可视化模块highgui；
第7章 视频处理模块videoio；
第8章 视频分析模块video；
第9章 照片处理模块photo；
第10章 2D特征模块features2d；
第11章 相机标定与三维重建模块calib3d；
第12章 传统目标检测模块objdetect；
第13章 机器学习模块ml；
第14章 深度神经网络模块dnn
欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV4：基于Python的算法实战》。
Canny边缘检测算法可以很好的检测出目标的边缘，但是没有将这些边缘作为一个整体进行处理。而轮廓是一系列连续的点组成的曲线，可以表达物体的基本外形，在目标识别中有着重要作用。
案例65：轮廓查找
OpenCV中提供了轮廓查找的函数findContours，该函数处理的图像可以是Canny边缘检测的结果，也可以是使用阈值化得到的图像，函数定义如下：
contours, hierarchy = findContours(image, mode, method, contours=None, hierarchy=None, offset=None)
参数说明如下：
image，输入图像，需传入二值图像；
mode，轮廓查找的模式，由RetrievalModes定义（见4.1节）；
method，轮廓近似方式，由ContourApproximationModes定义（见4.1节）；
contours，检测到的轮廓的坐标点（返回值）；
hierarchy，轮廓层次（返回值）；
offset，每个轮廓点移动的偏移量。
本案例使用的源图像如图5.39所示。
图5.39
轮廓查找的案例代码如下：
import cv2
import numpy as np
#读取图像，转为灰度图像
img = cv2.imread('contour_src.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#阈值化
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# 寻找二值图像的轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#打印轮廓数量
print("Contour Numbers:", len(contours))
#打印层次关系
print("hierarchy\n", hierarchy)
执行后的打印信息如下：
Contour Numbers: 4
hierarchy
[[[-1 -1 1 -1]
[-1 -1 2 0]
[-1 -1 3 1]
[-1 -1 -1 2]]]
轮廓数量为4个，包括五边形、圆形，四边形和整个图像最外围的轮廓。
hierarchy为轮廓的层次关系，每一个轮廓中的四个元素的含义对应为：[下一个轮廓索引，上一个轮廓索引，第一个子轮廓索引，父轮廓索引]，如果对应的关系不存在则对应位置的值为-1。hierarchy与参数mode有关，不同的mode对应的hierarchy不同。
案例66：轮廓绘制
对于查找到的轮廓，可以使用OpenCV中提供的轮廓绘制函数drawContours进行绘制，函数定义如下：
image = drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)
参数说明如下：
image，输入图像，在该图像上绘制轮廓（返回值）；
contours，查找到的轮廓；
contourIdx，绘制的轮廓编号，全部绘制则编号为负数；
color，绘制颜色；
thickness，绘制线的粗细；
lineType，绘制线的线型，由LineTypes定义（见4.1节）；
hierarchy，绘制轮廓的层次；
maxLevel，轮廓绘制级别；
offset，绘制轮廓偏移。
轮廓查找与轮廓绘制的完整案例代码如下：
import cv2
import numpy as np
#读取图像，转为灰度图像
img = cv2.imread('contour_src.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#阈值化
ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# 寻找二值图像的轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#打印轮廓数量
print("Contour Numbers:", len(contours))
#打印层次关系
print("hierarchy\n", hierarchy)
#创建白底图像
contours_img = np.zeros(img.shape[:], dtype=np.uint8)
contours_img[:] = 255
#绘制轮廓
cv2.drawContours(contours_img, contours, -1, (0, 0, 255), 2)
cv2.imshow('contours_result', contours_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
本案例中绘制了所有的轮廓，绘制结果如图5.40所示。
图5.40
如果想绘制某个轮廓，则传入对应的轮廓编号即可，本案例中包括四个轮廓，从外到内的轮廓编号分别为0，1，2，3，轮廓2的绘制的结果如图5.41所示。
图5.41
OpenCV中提供了轮廓面积的计算函数contourArea，函数定义如下：
retval = contourArea(contour, oriented=None)
参数说明如下：
contour，待计算面积的轮廓。
oriented，带方向的面积标志。如果为true，函数将根据轮廓方向（顺时针或逆时针）返回带符号的面积值，这样可以通过获取某个面积的符号来确定轮廓的方向。默认情况下，参数为false，这意味着返回面积的绝对值；
retval，计算的面积结果。
在轮廓绘制案例代码的基础上，计算面积的案例代码如下：
area = cv2.contourArea(contours_list[1])
print("Contour 1 Area is: ", area)
计算结果输出如下：
Contour 1 Area is: 219110.0