前言

边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到边缘并不是一个整体。

二、使用步骤

1.使用cv2.findContours()函数，实现图像轮廓的查找。

2.使用cv2.drawContours()函数，实现图像轮廓的绘制。

contours,hierarchy=cv2.findContours（image,mode,method）

contours：返回的轮廓。

hierarchy：图像的拓扑信息（轮廓层次）。

image：输入的图像。

mode：轮廓搜索模式：决定了轮廓的提取方式。

method：轮廓近似方法：决定了如何表达轮廓。

image=cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

length=cv2.arcLength(curve，closed)

curve ：轮廓。 closed ：布尔值，当为True时，表示闭合。

area=cv2.contourArea(contour [, oriented])

contour ：轮廓。 oriented：布尔值，当为True时，表示顺时针或逆时针计算。

retval=cv2.moments(array[,binaryImage]

array：可以是点集，也可以是灰度图像或者二值图像。 binaryImage：当为True时，array内所有的非零值都会被处理为1。

contour1 :第一个轮廓或灰度图像。 contour2：第二个灰度或轮廓图像。 method ：比较两个对象的Hu 矩的方法，写1。

retval = cv2.boundingRect( array )

retval:矩形边界左上角顶点的坐标值及矩形边界的宽度和高度。 contour2：第二个灰度或轮廓图像。 method ：比较两个对象的Hu 矩的方法，写1。

retval =cv2.minAreaRect( points )

retval:回的矩阵特征信息，结构是(最小外接矩形的中心(x,y),(宽度,高度),旋转角度)。 points：轮廓。

center, radius = cv2.minEnclosingCircle( points )

center：圆形。 radius：半径。 points：轮廓。

retval = cv2.fitEllipse( points )

center：RotatedRect 类型的值，这个是拟合椭圆的外界矩形，包含外接矩形的质心，宽，高，旋转角度等参数信息，这些信息与椭圆的中心点，轴长度，旋转角度等信息吻合。 points：轮廓。

line = cv2.fitLine( points, distType, param, reps, aeps )

approx = cv2.approxPolyDP(contour[0],epsilon,True)

图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小，位置，方向等。