1、检测轮廓
轮廓检测是图像处理中经常用到的，OpenCV-Python接口中使用cv2.findContours()函数查找检测物体的轮廓。
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
返回两个值：contours（轮廓本身），hierarchy（每条轮廓对应的属性）
参数：
- image：寻找轮廓的图像
- mode：轮廓的检索模式：
cv2.RETR_EXTERNAL表示只检测外轮廓 cv2.RETR_LIST检测的轮廓不建立等级关系，cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。cv2.RETR_TREE建立一个等级树结构的轮廓。
- method：轮廓的近似方法。
cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs(x1-x2), abs(y1-y2)）=1。 cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩阵轮廓只需4个点来保存轮廓信息。 cv2.CHAIN_APPROX_TC89_L1, cv2.CHAIN_APPROX_TC89_KCOS使用teh-Chini chain近似算法
2、绘制轮廓
cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[,maxLevel[, offset ]]]]])
参数：
- image：传入要绘制轮廓的背景图片
- contours：轮廓本身
- contourIdx：指定绘制轮廓中的那条轮廓，如果是-1，则绘制其中的所有轮廓。thickness表示的是轮廓的宽度，如果是-1（cv2.FILLED），表示为填充模式。
3、代码实现
import numpy as np
import cv2
# 轮廓检测
img = cv2.imread('dog.jpg')
# 获取灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 利用阈值自动选择的方法获取二值图像
ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# 检测轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(img, contours, -1, (0, 255, 0), 1)
cv2.imshow('gray', gray)
cv2.imshow('res', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
