函数 cv.findContours

contours, hierarchy = cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] )

1. 参数1：源图像
2. 参数2：轮廓的检索方式，这篇文章主要讲解这个参数
3. 参数3：一般用 cv.CHAIN_APPROX_SIMPLE，就表示用尽可能少的像素点表示轮廓
4. contours：图像轮廓坐标，是一个链表
5. hierarchy：[Next, Previous, First Child, Parent]，文中有详细解释

我们使用cv.findContours()寻找轮廓时，参数2表示轮廓的检索方式(RetrievalModes)，当我们传入的是cv.RETR_TREE，它表示什么意思呢？另外，函数返回值hierarchy有什么用途呢？下面我们就来研究下这两个问题。

理解轮廓层级

轮廓层级展示

图中总共有8条轮廓，2和2a分别表示外层和里层的轮廓，3和3a也是一样。从图中看得出来：

1. 轮廓0/1/2是最外层的轮廓，我们可以说它们处于同一轮廓等级：0级
2. 轮廓2a是轮廓2的子轮廓，反过来说2是2a的父轮廓。轮廓2a算一个等级：1级
3. 同样3是2a的子轮廓，轮廓3处于一个等级：2级
4. 类似的，3a是3的子轮廓，等等…………
   这里面OpenCV关注的就是两个概念：同一轮廓等级和轮廓间的子属关系。

如果我们打印出cv.findContours()函数的返回值hierarchy，会发现它是一个包含4个值的数组：[Next, Previous, First Child, Parent]
Next：与当前轮廓处于同一层级的下一条轮廓
举例来说，前面图中跟0处于同一层级的下一条轮廓是1，所以Next=1；同理，对轮廓1来说，Next=2；那么对于轮廓2呢？没有与它同一层级的下一条轮廓了，此时Next=-1。
Previous：与当前轮廓处于同一层级的上一条轮廓
跟前面一样，对于轮廓1来说，Previous=0；对于轮廓2，Previous=1；对于轮廓2a，没有上一条轮廓了，所以Previous=-1。
First Child：当前轮廓的第一条子轮廓
比如对于轮廓2，第一条子轮廓就是轮廓2a，所以First Child=2a；对轮廓3，First Child=3a。
Parent：当前轮廓的父轮廓
比如2a的父轮廓是2，Parent=2；轮廓2没有父轮廓，所以Parent=-1。

****OpenCV中找到的轮廓序号跟前面讲的不同****

opencv中的轮廓序号

轮廓寻找方式

OpenCV中有四种轮廓寻找方式RetrievalModes，下面分别来看下：

1. RETR_LIST

这是最简单的一种寻找方式，它不建立轮廓间的子属关系，也就是所有轮廓都属于同一层级。这样，hierarchy中的后两个值[First Child, Parent]都为-1。比如同样的图，我们使用cv.RETR_LIST来寻找轮廓：

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_LIST, 2)
print(hierarchy)
# 结果如下
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [ 3  1 -1 -1]
  [ 4  2 -1 -1]
  [ 5  3 -1 -1]
  [ 6  4 -1 -1]
  [ 7  5 -1 -1]
  [-1  6 -1 -1]]]

因为没有从属关系，所以轮廓0的下一条是1，1的下一条是2……

如果你不需要轮廓层级信息的话，cv.RETR_LIST更推荐使用，因为性能更好

2. RETR_TREE

cv.RETR_TREE就是之前我们一直在使用的方式，它会完整建立轮廓的层级从属关系，前面已经详细说明过了。

3. RETR_EXTERNAL

这种方式只寻找最高层级的轮廓，也就是它只会找到前面我们所说的3条0级轮廓：

实验讲解 RETR_EXTERNAL

contours, hierarchy = cv.findContours(thresh, cv.RETR_EXTERNAL, 2)
print(len(contours), hierarchy, sep='\n')
# 结果如下
3
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [-1  1 -1 -1]]]

实验结果

最外层轮廓展示

4. RETR_CCOMP

相比之下cv.RETR_CCOMP比较难理解，它把所有的轮廓只分为2个层级，不是外层的就是里层的。结合代码和图片，我们来理解下：

实验讲解 RETR_CCOMP

contours, hierarchy = cv.findContours(thresh, cv.RETR_CCOMP, 2)
print(hierarchy)
# 结果如下
[[[ 1 -1 -1 -1]
  [ 2  0 -1 -1]
  [ 4  1  3 -1]
  [-1 -1 -1  2]
  [ 6  2  5 -1]
  [-1 -1 -1  4]
  [ 7  4 -1 -1]
  [-1  6 -1 -1]]]

实验结果

2个层级轮廓图解

实验：绘制图像轮廓

import cv2 as cv
import numpy

# 1.读入图片
img = cv.imread('test_contours.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
contours, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)

# 2.寻找轮廓
contours, hierarchy = cv.findContours(thresh, cv.RETR_LIST, 2)

print(len(contours),hierarchy)

# 3.绘制轮廓
cv.drawContours(img, contours, -1, (0, 0, 255), 2)

cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

给图像轮廓加红色边框