什么是图像轮廓？
图像轮廓是具有相同颜色或强度的连续点的曲线。
轮廓的作用：
1、用于图形分析
2、物体的识别与检测
注意点：
1、为了检测的准确性，需要先对图像进行二值化或Canny操作
2、画轮廓时会修改输入的图像
轮廓查找api：findContours(img,mode,ApproximationMode)
两个返回值，contours和hierarchy
mode的值：
1、RETR_EXTERNAL=0，表示只检测外轮廓
2、RETR_LIST=1，检测的轮廓不建立等级关系
3、RETR_CCOMP=2，每层最多两级
4、RETR_TREE=3，按树形存储轮廓
ApproximationMode的值：
1、CHAIN_APPROX_NONE，保存所有轮廓上的点
2、CHAIN_APPROX_SIMPLE，只保存角点
如何绘制轮廓
绘制轮廓api：drawContours(img,contours,contourIdx,color,thickness,…)
img：需要绘制的图片
contours：这些轮廓的坐标点
contourIdx：所有的轮廓是有顺序的，可以设置顺序号将我们想要的展示的轮廓展示出来，-1表示绘制所有轮廓
color：轮廓的颜色
thickness：线宽，-1是全部填充
轮廓的面积与周长
计算轮廓面积与周长在日常生活中是经常遇到的，比如查找的轮廓有部分小轮廓不是我们想要的，这时我们就可以通过轮廓面积去过滤掉小的轮廓。
轮廓面积的api：contourArea(contour)
轮廓周长的api：arcLength(curve,closed)
curve：一个轮廓
closed：轮廓是否闭合，闭合设置为True，不闭合设置为False
多边形逼近与凸包
什么是多边形逼近？什么是凸包呢？它们之间有什么联系呢？下图中左边效果是多边形逼近，右边的效果是凸包。对于不规则的图像，我们查找轮廓的时候如果把它画出来，那么它是严格按照轮廓来画的，这样就导致数量非常大，有些情况下我们只需要存一些特征点即可，这就是多边形逼近的作用，减少了数据存储量，同时保存轮廓的特征点。
凸包就是把轮廓描述出来，而且是凸出的，不会往下凹。
多边形逼近api：approxPolyDP(curve,epsilon,closed)
curve：曲线
epsilon：精度
closed：是否闭合
凸包api：convexHull(points,clockwise,…)
closed：轮廓
clockwise：顺时针还是逆时针
外接矩形
Opnecv外接矩形包括2种类型：最小外接矩形和最大外接矩形。下图中红色矩形是白色图像的最小外接矩形，绿色矩形是白色图像的最大外接矩阵。
最小外接矩形api：minAreaRect(points)
points：轮廓点
最小外接矩形的返回值是RotatedRect，RotatedRect共包含3个重要组成部分：
- x,y：起始点
- width,height：宽度和高度
- angle：角度
最大外接矩形api：boundingRect(array)
array：轮廓点
最大外接矩形的返回值是Rect，Rect共包含2个部分，起始点，宽度和高度。
import cv2
import numpy as np
# 画线函数
def drawLine(img,points,line_color):
index=0
while index<len(points): if="" index="=len(points)-1:" x="">=2000:
# 绘制轮廓线
cv2.drawContours(img,contour,-1,(0,0,255),1)
# 获取多边形逼近的点
approx=cv2.approxPolyDP(contour,20,True)
# 获取凸包的点
hull=cv2.convexHull(contour)
print(approx,len(approx))
# 使用多边形逼近的点绘制最小外接矩形
r=cv2.minAreaRect(approx)
box=cv2.boxPoints(r)
box=np.int0(box)
# 绘制最小外接矩形
cv2.drawContours(img,[box],-1,(255,0,0),1)
# 使用多边形逼近的点获得最大外接矩形起始点，宽度和高度
x,y,w,h=cv2.boundingRect(approx)
# 绘制最大外接矩形
cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),1)
# 在图片上画多边形逼近和凸包
drawLine(img,approx,line_color=(0,255,0))
drawLine(img,hull,line_color=(255,0,0))
# 显示图片
cv2.imshow('img',img)
cv2.imshow('gray',gray)
cv2.imshow('binary',binary)
cv2.waitKey(0)
</len(points):>
代码执行效果图：
