cv2.findContours的参数和选项

cv2.findContours是OpenCV中用于查找图像轮廓的函数。它有以下参数和选项：

参数：
- image：输入图像，可以是灰度图像或彩色图像。
- mode：轮廓检索模式，它决定了轮廓如何被提取。可以选择以下模式：
- cv2.RETR_EXTERNAL：只检索最外面的轮廓。
- cv2.RETR_LIST：检索所有的轮廓，并将其保存到列表中。
- cv2.RETR_CCOMP：检索所有轮廓，并将其组织为两级层次结构。
- cv2.RETR_TREE：检索所有轮廓，并将其组织为完整的层次结构。
- method：轮廓逼近方法。可以选择以下方法：
- cv2.CHAIN_APPROX_NONE：存储所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE：仅存储轮廓的端点。
- cv2.CHAIN_APPROX_TC89_L1：使用Teh-Chin链逼近算法。
- cv2.CHAIN_APPROX_TC89_KCOS：使用Teh-Chin链逼近算法，并使用跨越角度的余弦值来进一步减少点的数量。

返回值：
- contours：包含所有检测到的轮廓的列表。
- hierarchy：每个轮廓的层次信息。如果没有指定层次结构，则为None。

相关问题

cv2.findContours

### 回答1：
cv2.findContours 是 OpenCV 中的一个函数，用于在二值图像中寻找轮廓。它的输入参数是一张二值图像，输出参数是轮廓的列表和层次结构。

函数的语法如下：

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

其中，参数 image 是输入的二值图像，mode 是轮廓检索模式，method 是轮廓逼近方法，contours 是输出的轮廓列表，hierarchy 是轮廓层次结构，offset 是可选的偏移量。

该函数返回的轮廓列表是一个 numpy 数组，每个元素都是一个轮廓，包含一组点的坐标。轮廓层次结构是指轮廓之间的包含关系，可以用来确定轮廓的父子关系和兄弟关系。

### 回答2：
cv2.findContours是OpenCV中的一个函数，用于在图像中找到轮廓。

这个函数接受一个二值化的图像作为输入，并返回一组轮廓。二值化的图像意味着图像中只有两种颜色，通常是黑色和白色。在寻找轮廓之前，我们需要对原始图像进行阈值处理，将图像二值化。

其语法如下：contours, hierarchy = cv2.findContours(image, mode, method)

其中，参数image是输入图像，可以是8位灰度图像，也可以是彩色图像。mode是轮廓检索模式，有四种选项，取决于输入轮廓的层次结构。method是轮廓逼近方法，可以选择逼近所有的轮廓，或者只逼近简单的轮廓。

输出的contours是一个包含所有轮廓的列表。每个轮廓都是一个numpy数组，表示为一个二维坐标的数组。每个点都以(x, y)的形式表示。hierarchy是可选的输出参数，用于返回轮廓的层次结构信息。

通过使用cv2.findContours函数，我们可以实现各种图像处理任务，如图像分割、形状识别、物体检测等。我们可以使用cv2.drawContours函数将找到的轮廓画在原始图像上，以便更好地理解和可视化这些轮廓。

总结来说，cv2.findContours是OpenCV中用于在二值化图像中寻找轮廓的函数。它可以返回一组轮廓，以及可选的轮廓层次信息。这个函数是图像处理和计算机视觉中常用的函数之一，可以应用于很多领域。

### 回答3：
cv2.findContours是OpenCV库中的一个函数，用于在图像中查找轮廓。它的主要作用是从二进制图像中检测对象的边界，从而实现对象的识别和分析。

该函数的基本语法为：
contours, hierarchy = cv2.findContours(image, mode, method)

其中，image是输入的二进制图像，mode 是轮廓的检测模式，method 是轮廓的近似方法。

返回值contours是一个从图像中检测到的轮廓列表。每个轮廓是一个包含一系列点的数组，可以通过索引访问。

返回值hierarchy是一个包含图像轮廓的层次结构的数组。可以用来描述轮廓之间的关系，例如轮廓是否是父子关系等。

findContours函数主要有以下几个步骤：
1. 二值化：首先将输入图像进行二值化处理，将灰度图像转换为二值图像。这是因为轮廓检测只能在二值图像上进行。
2. 轮廓检测：对二值图像进行轮廓检测，通过检测图像边缘上的像素点来找到物体的边界。
3. 轮廓近似：根据method的设定，对找到的轮廓进行适当的近似处理，以减少轮廓中的点数，节省内存和计算资源。
4. 轮廓检测模式：根据mode的设定，可以决定检测所有轮廓、只检测外部轮廓还是检测所有轮廓并获取其完整的层次结构信息。

使用cv2.findContours函数可以方便地在图像中检测到物体的边界，用于图像处理、物体定位、目标跟踪等应用中。它是计算机视觉领域中常用的函数之一。

Imgproc.findContours 参数

OpenCV 中的 `findContours` 函数用于在二值图像中查找轮廓。它的函数原型如下：

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

其中，参数含义如下：

- `image`：输入二值图像；
- `mode`：轮廓检索模式，有以下几种选项：
- `cv.RETR_EXTERNAL`：只检索最外层的轮廓；
- `cv.RETR_LIST`：检索所有的轮廓，并将其保存到列表中；
- `cv.RETR_CCOMP`：检索所有轮廓，并将其组织成两层的层次结构；
- `cv.RETR_TREE`：检索所有轮廓，并将其组织成完整的层次结构；
- `method`：轮廓逼近方法，有以下几种选项：
- `cv.CHAIN_APPROX_NONE`：存储所有的轮廓点；
- `cv.CHAIN_APPROX_SIMPLE`：仅存储轮廓的端点；
- `cv.CHAIN_APPROX_TC89_L1`：使用 Teh-Chin 链逼近算法；
- `cv.CHAIN_APPROX_TC89_KCOS`：使用 Teh-Chin 链逼近算法，并使用 Kohli-Chen 角点检测算法；
- `contours`：输出参数，保存检测到的轮廓；
- `hierarchy`：输出参数，保存轮廓的层次结构信息；
- `offset`：可选参数，轮廓偏移量。

例如，以下代码可以在二值图像中查找轮廓并绘制出来：

import cv2 as cv

img = cv.imread('image.png')
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(gray, 127, 255, 0)
contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)

cv.drawContours(img, contours, -1, (0, 0, 255), 2)
cv.imshow('Contours', img)
cv.waitKey(0)