这是对于 OpenCV 官方文档中 图像处理 的学习笔记。学习笔记中会记录官方给出的例子，也会给出自己根据官方的例子完成的更改代码，同样彩蛋的实现也会结合多个知识点一起实现一些小功能，来帮助我们对学会的知识点进行结合应用。
如果有喜欢我笔记的请麻烦帮我关注、点赞、评论。谢谢诸位。

学习笔记：
学习笔记目录里面会收录我关于OpenCV系列学习笔记博文，大家如果有什么不懂的可以通过阅读我的学习笔记进行学习。
【OpenCV学习笔记】- 学习笔记目录

内容

• 了解什么是轮廓。
• 学习寻找轮廓、绘制轮廓等
• 您将看到这些函数：cv2.findContours() 、cv2.drawContours()

什么是轮廓？

轮廓可以简单地解释为连接所有连续点（沿着边界）的曲线，具有相同的颜色或强度。轮廓是形状分析以及物体检测和识别的有用工具。

• 为了获得更高的准确性，请使用二值图像。因此，在找到轮廓之前，请应用阈值或精明的边缘检测。
• 从 OpenCV 3.2 开始，findContours()不再修改源图像。
• 在 OpenCV 中，寻找轮廓就像从黑色背景中寻找白色物体。所以请记住，要找到的对象应该是白色的，背景应该是黑色的。

让我们看看如何找到二值图像的轮廓：

示例代码：

# OpenCV中的轮廓
# 轮廓:开始
# 什么是轮廓？
import cv2

im = cv2.imread('')
assert im is not None, "file could not be read, check with os.path.exists()"
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

我们可以看到 *cv2.findContours()* 函数中有三个参数，第一个是源图像，第二个是轮廓检索模式，第三个是轮廓近似方法。它输出轮廓和层次结构。Contours 是图像中所有轮廓的 Python 列表。每个单独的轮廓都是对象边界点的 (x,y) 坐标的 Numpy 数组。

笔记
稍后我们将详细讨论第二个和第三个参数以及层次结构。在那之前，代码示例中赋予它们的值将适用于所有图像。

如何绘制轮廓？

要绘制轮廓，使用 cv2.drawContours 函数。只要有边界点，它也可用于绘制任何形状。它的第一个参数是源图像，第二个参数是作为 Python 列表传递的轮廓，第三个参数是轮廓索引（在绘制单个轮廓时很有用。要绘制所有轮廓，请传递 -1），其余参数是颜色、厚度ETC。

• 要绘制图像中的所有轮廓：

cv2.drawContours(img, contours, -1, (0,255,0), 3)

• 要绘制单个轮廓，请说第四个轮廓：

cv2.drawContours(img, contours, 3, (0,255,0), 3)

• 但大多数时候，下面的方法会很有用：

cnt = contours[4]
cv2.drawContours(img, [cnt], 0, (0,255,0), 3)

笔记
最后两种方法是相同的，但是当你继续前进时，你会发现最后一种更有用。

轮廓近似法

这是 cv2.findContours 函数中的第三个参数。它实际上代表什么？

上面我们说过，轮廓是具有相同强度的形状的边界。它存储形状边界的 (x,y) 坐标。但它存储了所有坐标吗？这是由该轮廓近似方法指定的。

如果传递 cv2.CHAIN_APPROX_NONE ，则存储所有边界点。但实际上我们需要所有的点吗？例如，您找到了一条直线的轮廓。您需要直线上的所有点来表示该直线吗？不，我们只需要该线的两个端点。这就是 cv2.CHAIN_APPROX_SIMPLE 的作用。它删除所有冗余点并压缩轮廓，从而节省内存。

下面的矩形图像演示了这种技术。只需在轮廓数组中的所有坐标上画一个圆（以蓝色绘制）。第一张图显示了我使用 cv2.CHAIN_APPROX_NONE 得到的点（734 点），第二张图显示了我使用 cv2.CHAIN_APPROX_SIMPLE 得到的点（仅 4 点）。看看，它节省了多少内存！

示例代码：

# OpenCV中的轮廓
# 轮廓:开始
# 轮廓近似法
import cv2

im = cv2.imread('../image/3.9.1.png')
assert im is not None, "file could not be read, check with os.path.exists()"
imgray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(imgray, 127, 255, 0)
contours1, hierarchy1 = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
contours2, hierarchy2 = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
im2 = im.copy()
for contour in contours1[0]:
    cv2.circle(im, contour[0], 1, (255, 0, 0), -1)

for contour in contours2[0]:
    cv2.circle(im2, contour[0], 2, (255, 0, 0), -1)

cv2.imshow("im", im)
cv2.waitKey(0)
cv2.imshow("im2", im2)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果图：