opencv轮廓识别数据

根据提供的引用内容，OpenCV中的轮廓识别是指在图像中找到物体的边界，然后将其转换为点集的过程。常用的函数是`findContours()`，它可以找到图像中的所有轮廓，并将它们存储在一个向量中。下面是一个简单的例子：

Mat src = imread("image.jpg", 0);
Mat dst = Mat::zeros(src.size(), CV_8UC3);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(src, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE);
for (size_t i = 0; i < contours.size(); i++) {
    Scalar color = Scalar(rng.uniform(0, 256), rng.uniform(0, 256), rng.uniform(0, 256));
    drawContours(dst, contours, i, color, 2, LINE_8, hierarchy, 0);
}

上述代码中，`findContours()`函数的第一个参数是输入图像，第二个参数是存储轮廓的向量，第三个参数是每个轮廓的属性，第四个参数是轮廓的检索模式，第五个参数是寻找轮廓时使用的近似算法。在这个例子中，我们使用了`drawContours()`函数将轮廓绘制在输出图像上。

相关问题

使用opencv识别图像轮廓并且给出轮廓数据

好的，以下是使用OpenCV进行图像轮廓识别并给出轮廓数据的Python代码：

import cv2

# 读取图像
img = cv2.imread('image.jpg')

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

# 进行阈值处理
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 找出轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 输出轮廓数量
print('Number of contours:', len(contours))

# 遍历轮廓
for i, contour in enumerate(contours):
    # 输出每个轮廓的数据
    print('Contour %d:' % i)
    print(' - Area:', cv2.contourArea(contour))
    print(' - Perimeter:', cv2.arcLength(contour, True))
    print(' - Bounding box:', cv2.boundingRect(contour))
    print(' - Convex hull:', cv2.convexHull(contour))
    print(' - Moments:', cv2.moments(contour))

解释一下代码：

1. 首先读取图像并将其转换为灰度图像。
2. 接着进行阈值处理，得到一个二值图像。
3. 使用 `cv2.findContours()` 函数找出图像中的轮廓。
4. 输出轮廓的数量。
5. 遍历每个轮廓，并输出其数据，包括面积、周长、边界框、凸包和矩等信息。

注意，由于 OpenCV 4.x 版本将 `cv2.findContours()` 函数的返回值进行了修改，因此需要使用 `_` 来接收轮廓数据以及层次结构数据。如果你使用的是 OpenCV 3.x 版本，则可以直接使用 `contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)`。