改进以上代码完成自己图片轮廓提取

以下是一个改进的图片轮廓提取代码，可以根据不同的需求进行调整和优化：

import cv2

# 读入图片
img = cv2.imread('image.jpg')

# 将图片转换为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图像进行高斯滤波，以平滑图像
blur = cv2.GaussianBlur(gray, (5,5), 0)

# 对平滑后的图像进行边缘检测
edges = cv2.Canny(blur, 50, 150)

# 对二值图像进行形态学操作，以去除噪声和连接断开的边缘线
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)

# 使用cv2.findContours()函数对形态学处理后的图像进行轮廓提取，得到所有轮廓的坐标点数组
contours, hierarchy = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历所有轮廓，绘制轮廓线并显示
for i in range(len(contours)):
    # 计算轮廓周长
    perimeter = cv2.arcLength(contours[i], True)
    # 进行轮廓近似，得到近似的多边形坐标点数组
    approx = cv2.approxPolyDP(contours[i], 0.02*perimeter, True)
    # 绘制轮廓线
    cv2.drawContours(img, [approx], -1, (0, 0, 255), 2)
    # 显示处理后的图片
    cv2.imshow('image', img)
    cv2.waitKey(0)

# 释放窗口资源
cv2.destroyAllWindows()

这个改进的代码在原有的基础上增加了一些步骤，如高斯滤波、轮廓近似等，可以更好地去除噪声和连接断开的边缘线，得到更准确的轮廓线。同时，还可以通过修改参数来调整轮廓提取的效果，以满足不同的需求。