轮廓检测：

cv2.findContours(img,mode,method)

mode：轮廓检索模式
·RETR_EXTERNAL 只检测最外面的轮廓
·RETR_LIST 检索所有的轮廓，并将其保存到一条链表当中
·RETR_CCOMP 检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界
·RETR_TREE 检索所有的轮廓，并重构嵌套轮廓的整个层次
method：轮廓逼近方法
·CHAIN_APPROX_NONE 以Freeman链码的方式输出轮廓，所有其他方法使出多边形（顶点的序列）
·CHAIN_APPROX_SIMPLE 压缩水平的、垂直和斜的部分，也就是，函数只保留他们的终点部分

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#cv2.findContours(img,mode,method)
#*****  要一个通道   *****
'''

mode：轮廓检索模式
    ·RETR_EXTERNAL          只检测最外面的轮廓
    ·RETR_LIST              检索所有的轮廓，并将其保存到一条链表当中
    ·RETR_CCOMP             检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界
    ·RETR_TREE              检索所有的轮廓，并重构嵌套轮廓的整个层次
method：轮廓逼近方法
    ·CHAIN_APPROX_NONE      以Freeman链码的方式输出轮廓，所有其他方法使出多边形（顶点的序列）
    ·CHAIN_APPROX_SIMPLE    压缩水平的、垂直和斜的部分，也就是，函数只保留他们的终点部分

'''

import cv2
import numpy as np
#可以切
# thresh = cv2.imread("a28_thresh.png")     ·thresh = cv2.imread("a28_thresh.png",cv2.IMREAD_GRAYSCALE)
# b,g,r = cv2.split(thresh)
# print((b.shape),(g.shape),(r.shape))

thresh = cv2.imread("test_thresh.png",cv2.IMREAD_GRAYSCALE)
#binary,contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)       #2、4的版本没有binary的值
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)       #https://www.cnblogs.com/guobin-/p/10842486.html
#   countours      保存的是图片轮廓信息
#   hierarchy      保存的是层级

#绘制轮廓
draw_img = thresh.copy()
res = cv2.drawContours(draw_img,contours,-1,(255,0,0),2)
cv2.imshow('res',res)
cv2.waitKey(0)