在实际开发项目中，提取目标轮廓是家常便饭的事，提取目标的轮廓可以做很多相关操作，如求面积，求周长等，下面来看看怎样提取目标轮廓吧；
API：
void findContours( InputOutputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
int method, Point offset=Point());
- [1 ] 参数详解:
1,image为输入图像；//单通道图像矩阵，可以是灰度图，但更常用的是二值图像
2,contours为一个vector<vector>类型的变量；//是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。有多少轮廓，向量contours就有多少元素。
3,hierarchy为一个vector 类型的变量；// Vec4i是Vec<int,4>的别名，定义了一个“向量内每一个元素包含了4个int型变量”的向量。hierarchy向量内每一个元素的4个int型变量——hierarchy[i][0] ~hierarchy[i][3]，分别表示第i个轮廓的后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为
默认值-1。
4,mode为一个轮廓的检索模式；
(1)CV_RETR_EXTERNAL：只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略；
(2)CV_RETR_LIST：检测所有的轮廓，包括内围、外围轮廓；
(3)CV_RETR_CCOMP：检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层；
(4)CV_RETR_TREE：检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓；
5,method为定义轮廓的近似方法；
(1)CV_CHAIN_APPROX_NONE：保存物体边界上所有连续的轮廓点到contours向量内；
(2)CV_CHAIN_APPROX_SIMPLE：仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留；
(3)CV_CHAIN_APPROX_TC89_L1 和 CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法；
6,Point；
所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值；
- [ 2] 相关代码如下
