findcontour

cv::findContours()是OpenCV中的一个函数，用于在图像中查找轮廓。轮廓是表示图像中曲线的点的列表，可以根据实际情况以不同的方式表示。在使用cv::findContours()函数时，一般需要将图像转换为灰度图像，并通过边缘提取算法（如Canny）获得二值图像。然后使用cv::findContours()函数来寻找轮廓，并使用cv::drawContours()函数将轮廓绘制在图像上。通过调整边缘提取算法的阈值选定，可以影响最终轮廓的发现结果。

相关问题

cv2.findContour

cv2.findContours() 是 OpenCV 中用来查找图像中的轮廓的函数。它的语法如下：

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

- image：输入的二值图像，通常是灰度图像或二值化后的图像。
- mode：轮廓检索模式，指定轮廓的层级关系。常用的模式有：
- cv2.RETR_EXTERNAL：只检测外部轮廓。
- cv2.RETR_LIST：检测所有轮廓，不建立层级关系。
- cv2.RETR_TREE：检测所有轮廓，并建立完整的层级关系。
- method：轮廓逼近方法。常用的方法有：
- cv2.CHAIN_APPROX_NONE：存储所有的轮廓点。
- cv2.CHAIN_APPROX_SIMPLE：仅存储轮廓的端点。

函数返回两个值：contours 和 hierarchy。
- contours：包含所有检测到的轮廓的列表。
- hierarchy：包含轮廓之间层级关系的数组。

注意，cv2.findContours() 函数会修改输入图像，因此如果需要保留原始图像，建议先进行拷贝操作。

findcontour的参数以及例子

findContours函数的参数如下：

cv::findContours(InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset = Point())

参数解释如下：

- `image`: 输入二值化图像，这个图像中的非零像素点都会被视为轮廓点。
- `contours`: 输出参数，包含所有检测到的轮廓，每个轮廓都是一个由点组成的向量。
- `hierarchy`: 输出参数，包含所有轮廓的拓扑信息，可以用来确定轮廓之间的关系。
- `mode`: 表示轮廓检测模式，有以下四种取值：
- `RETR_EXTERNAL`: 只检测最外层轮廓。
- `RETR_LIST`: 检测所有轮廓，但不建立轮廓层次结构。
- `RETR_CCOMP`: 检测所有轮廓，并将轮廓组织成两层层次结构。
- `RETR_TREE`: 检测所有轮廓，并将轮廓组织成树形结构。
- `method`: 表示轮廓逼近方法，有以下三种取值：
- `CHAIN_APPROX_NONE`: 不逼近，保留所有轮廓点。
- `CHAIN_APPROX_SIMPLE`: 简单逼近，仅保留轮廓的端点。
- `CHAIN_APPROX_TC89_L1` 或 `CHAIN_APPROX_TC89_KCOS`: 使用Teh-Chin链逼近算法。
- `offset`: 表示从原始图像到轮廓图像的偏移量。

以下是一个使用findContours函数进行轮廓检测的例子：

cv::Mat image = cv::imread("image.png", cv::IMREAD_GRAYSCALE);
cv::threshold(image, image, 128, 255, cv::THRESH_BINARY);

std::vector<std::vector<cv::Point>> contours;
std::vector<cv::Vec4i> hierarchy;

cv::findContours(image, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

cv::Mat result;
cv::cvtColor(image, result, cv::COLOR_GRAY2BGR);
cv::drawContours(result, contours, -1, cv::Scalar(0, 0, 255), 2);

cv::imshow("Result", result);
cv::waitKey(0);

这个例子将读取一张灰度图像，将其二值化，并使用findContours函数检测最外层轮廓。检测到的轮廓会用红色线条绘制在输出图像上。