findContours 参数

findContours是OpenCV中的一个函数，用于在二进制图像中查找轮廓，该函数的参数如下：

1. image：输入图像，需要为二进制图像，即只包含0和255两个像素值。
2. contours：输出参数，存储轮廓信息，为一个向量(vector)类型的变量。
3. hierarchy：输出参数，存储轮廓的层级信息，为一个向量(vector)类型的变量。
4. mode：表示轮廓检索模式。有四种模式可选：
- cv2.RETR_EXTERNAL：表示只检测外部轮廓；
- cv2.RETR_LIST：检测所有轮廓，并将其保存到列表中；
- cv2.RETR_CCOMP：检测所有轮廓，并将其组织为两层结构（上层为物体的外边界，下层为物体内部空洞的边界）；
- cv2.RETR_TREE：检测所有轮廓，并重构轮廓之间的嵌套层次。
5. method：表示轮廓的逼近方法。有三种方法可选：
- cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，对每个轮廓点都进行存储；
- cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角线方向的元素，并仅保留端点，例如一个矩形轮廓只需存储4个点信息；
- cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：使用Teh-Chin链逼近算法中的一种，可以选择更优化的逼近方法。
6. offset：可选参数，表示轮廓点坐标的偏移量。

相关问题

findContours参数

cv2.findcontours参数包括：

1. image：输入图像，必须为二值图像，即黑白图像。

2. mode：轮廓检索模式，有四种模式可选：

- cv2.RETR_EXTERNAL：只检索最外层轮廓。
- cv2.RETR_LIST：检索所有轮廓，不建立轮廓间的父子关系。
- cv2.RETR_CCOMP：检索所有轮廓，建立两层轮廓间的父子关系。
- cv2.RETR_TREE：检索所有轮廓，建立完整的轮廓层级结构。

3. method：轮廓逼近方法，有三种方法可选：

- 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、cv2.CHAIN_APPROX_TC89_KCOS：使用Teh-Chin链逼近算法。

4. contours：检测到的轮廓，每个轮廓由一组点组成。

5. hierarchy：轮廓的层级结构，每个轮廓对应一个四元组(hierarchy[i][], hierarchy[i][1], hierarchy[i][2], hierarchy[i][3])，其中hierarchy[i][]、hierarchy[i][1]、hierarchy[i][2]、hierarchy[i][3]分别表示当前轮廓的后一个轮廓、前一个轮廓、第一个子轮廓和父轮廓的索引。如果当前轮廓没有对应的后一个、前一个、子轮廓或父轮廓，则相应的索引值为-1。

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)