一、轮廓检测

轮廓定义：图像中具有相同颜色 / 灰度的连续像素点连接形成的闭合曲线，代表前景与背景的边界，与边缘（单像素灰度突变）不同，轮廓更强调整体外形与连通性。

cv2.findContours是 OpenCV 用于从二值图像中提取轮廓的函数，其核心作用是扫描二值图像的像素，追踪连续的边界点并组织成轮廓集合，同时可返回轮廓间的层级关系（如嵌套、并列）

cv2.findContours(image, mode, method)

参数：

image：必须是单通道二值图（前景白色 255，背景黑色 0），若输入彩色 / 灰度图需先二值化

mode：轮廓检索模式

1.cv2.RETR_EXTERNAL：只提取最外层轮廓（忽略嵌套轮廓），适合只关注主体的场景（如检测单个物体）

2.cv2.RETR_LIST：提取所有轮廓，不建立层级关系（最简洁）

3.cv2.RETR_CCOMP：提取所有轮廓，建立两层层级（外层 + 内层）

4.cv2.RETR_TREE：提取所有轮廓，建立完整层级树（最常用，可区分嵌套 / 并列轮廓）

method：轮廓逼近方法

1.cv2.CHAIN_APPROX_NONE：保留所有轮廓点（每个点都存储，数据量大）

2.cv2.CHAIN_APPROX_SIMPLE：压缩水平 / 垂直 / 对角线方向的冗余点（如矩形只存 4 个顶点，最常用）

代码：

phone=cv2.imread('phone.png')#读取原图 phone_gray=cv2.cvtColor(phone,cv2.COLOR_BGR2GRAY)#灰度图的处理 cv2.imshow('phone_b',phone_gray) cv2.waitKey(0) #phone_gray=cv2.imread('phone.png',b）#读取灰度图 ret,phone_binary =cv2.threshold(phone_gray,120,255,cv2.THRESH_BINARY)#阀值处理为二值 cv2.imshow('phone_binary',phone_binary) cv2.waitKey(0) # _,contours,hierarchy =cv2.findContours(phone_binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) contours = cv2.findContours(phone_binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)[-2] # 通用 # print(hierarchy) print(len(contours))

1.通过cv2.cvtColor(phone,cv2.COLOR_BGR2GRAY)将图像变成灰度图

2.通过cv2.threshold将灰度值大于 120 的像素设为 255（白色，前景），小于等于 120 的像素设为 0（黑色，背景），最终得到一张黑白二值图。

3.最后用cv2.findContours对二值图像phone_binary提取所有轮廓（含层级）、保留所有轮廓点，最终只取返回结果中的[轮廓列表]

二、轮廓绘制

函数cv2.drawContours(image， contours，contourIdx，color， thickness=None，
LineType=None,hierarchy=None,maxLevel=None，offset=None)
参数含义如下：
image：要在其上绘制轮廊的输入图像。
contours:轮廊列表，通常由cv2.findContours(函数返回。
contourIdx:要绘制的轮序的索引。如果为负数，则绘制所有轮廓。-1
color:轮廓的颜色，以BGR格式表示。例如，（0，255，0）表示绿色。
thickness:轮廓线的粗细。默认值为1。
lineType:轮廊线的类型。默认值为cv2.LINE_8。
hierarchy:轮廓层次结构。通常由cv2.findContours(函数返回。
maxLevel:绘制的最大轮廊层级。默认值为None，表示绘制所有层级。
offset:轮廓点的偏移量。默认值为None。

代码：

image_copy = phone.copy() cv2.drawContours(image=image_copy,contours=contours,contourIdx=6,color=(255,255,0),thickness=3) cv2.imshow('Contours_show',image_copy) cv2.waitKey(0)

通过drawContours方法在图像的复制本上绘制轮廓用上面轮廓检测得到的contours轮廓列表

得到的图像：

三、轮廓特征

1.轮廓面积

cv2.contourArea()用于计算单个轮廓所包围的像素面积，面积值反映了轮廓对应的物体大小，是筛选有效轮廓、分析形状的基础。

area = cv2.contourArea(contour, oriented=False)

contour：顶点构成的二维向量组（如轮廓列表contours中的一个轮廓）

oriented：默认为False：返回绝对值面积

2.轮廓周长

cv2.arcLength()用于计算轮廓的弧长 / 周长，对于闭合轮廓返回周长，对于非闭合轮廓返回弧长，是判断轮廓形状、计算圆形度等特征的关键参数。

length = cv2.arcLength(contour, closed)

contour：单个轮廓（来自cv2.findContours返回的contours列表元素）

closed：True：认为轮廓是闭合的（首尾相连），计算完整周长；False：认为轮廓是开放的（首尾不连），计算从起点到终点的弧长

3.轮廓外接圆

cv2.minEnclosingCircle()用于计算单个轮廓的最小外接圆（能完全包围轮廓的最小圆形），返回圆心坐标和半径。

(x_center, y_center), radius = cv2.minEnclosingCircle(contour)

contour：单个轮廓（来自cv2.findContours返回的contours列表元素）

(x_center, y_center)：最小外接圆的圆心坐标

radius：最小外接圆的半径

4.轮廓外接矩形

x,y,w,h=cv2.boundingRect(cnt)计算轮廓的最小外接矩形

x，y：是轮廓的最小外接矩形的左上角

w，h：是矩形的宽和高

四、轮廓近似

approx = cv2.approxPolyDP(curve，epsilon，closed)
参数说明：
curve：输入轮廓。
epsilon：近似精度，即两个轮廓之间最大的欧式距离。该参数越小，得到的近似结果越接近实际轮廓：反之，得到的近似结果会更加粗略。
closed：布尔类型的参数，表示是否封闭轮廓。如果是True，表示输入轮廓是封闭的，近似结果也会是封闭的：否则表示输入轮廓不是封闭的，
返回值：approx：近似结果，是一个ndarray数组，为1个近似后的轮廓，包含了被近似出来的轮廓上的点的坐标

代码：

phone = cv2.imread('phone.png') phone_gray=cv2.cvtColor(phone,cv2.COLOR_BGR2GRAY)#转换为灰度图 ret,phone_thresh=cv2.threshold(phone_gray,120,255,cv2.THRESH_BINARY) #二值化 #image，contours，hierarchy=cv2.findContours(phone_thresh，cv2.RETR_TREE，cv2.CHAIN_APPRox_NoNE)#获取轮廓 contours=cv2.findContours(phone_thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)[-2] epsilon= 0.01 * cv2.arcLength(contours[0],True) #设置近似精度.[h要<e；ε越小，点越多，越精确】 approx=cv2.approxPolyDP(contours[0],epsilon,True)#对轮廓进行近似 print(contours[1].shape) print(approx.shape) phone_new = phone.copy() image_contours=cv2.drawContours(phone_new,[approx],contourIdx=-1,color=(0,255,0),thickness=3)#绘制轮廓 cv2.imshow('phone',phone) cv2.waitKey(0) cv2.imshow('image_contours',image_contours) cv2.waitKey(0)

得到的图像：