image = cv2.imread('image_path')

image_gray  = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

# 這里將閾值設(shè)置為127為例,最大閾值為255
t, binary = cv.threshold(image_gray, 127, 255, cv.THRESH_BINARY)

# 這里以檢測(cè)所有輪廓,不建立層次關(guān)系為例
contours, hierarchy = cv2.findContours(binary, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)

# 這里將輪廓索引設(shè)置為-1,繪制出所有輪廓,顏色設(shè)置為紅色，寬度為2為例
cv2.drawContours(image, contours, -1, (0, 0, 255), 2)

cv2.imshow('image', image)

# -*- coding: utf-8 -*-
# @Time    : 2021/8/17
# @Author  : ZYh
"""
Introduction:
圖像輪廓檢測(cè):
    OpenCV提供的findContours()方法可以通過(guò)計(jì)算圖像梯度來(lái)判斷出圖像的邊緣,然后將邊緣的點(diǎn)封裝成數(shù)組返回
    contours, hierarchy = cv2.findContours(image, mode, mothode)
    參數(shù):
        image->被檢測(cè)圖像必須是8位單通道二值圖像。如果原圖是rgb圖像,必須轉(zhuǎn)為灰度圖像,在進(jìn)行二值化閾值處理
        mode->輪廓的檢索模式
            參數(shù)值                     含義
            cv2.RETR_EXTERNAL       只檢測(cè)外輪廓
            cv2.RETR_LIST           檢測(cè)所有輪廓,但不建立層次關(guān)系
            cv2.RETR_CCOMP          檢測(cè)所有輪廓,并建立兩級(jí)層次關(guān)系
            cv2.RETR_TREE           檢測(cè)所有輪廓,并建立樹(shù)狀結(jié)構(gòu)的層次關(guān)系
        mothode->檢測(cè)輪廓時(shí)使用的方法
            參數(shù)值                     含義
            cv2.CHAIN_NONE                儲(chǔ)存輪廓上的所有點(diǎn)
            cv2.CHAIN_APPROX_SIMPLE       只保存水平、垂直或?qū)蔷€輪廓的端點(diǎn)
            cv2.CHAIN_APPROX_TC89_L1      Ten_Chinl近似算法的一種
            cv2.CHAIN_APPROX_TC89_KCOS    Ten_Chinl近似算法的一種
    retval:
        contours->檢測(cè)出的所有輪廓,list類(lèi)型,每一個(gè)元素都是某個(gè)輪廓的像素坐標(biāo)數(shù)組
        hierarchy->輪廓之間的層次關(guān)系
圖像輪廓繪制:
    image = cv2.drawContours(image, contours, contourIdx, color, thickness, lineTypee, hierarchy,
        maxLevel, offse)
    參數(shù):
        image->被繪制輪廓的原始圖像,可以是多通道圖像
        contours->findContours()方法得出的輪廓列表
        contourIdx->繪制輪廓的索引,如果為-1則繪制所有輪廓
        color:繪制顏色,BGR格式
        thickness->可選參數(shù),畫(huà)筆的粗細(xì),如果為-1則繪制實(shí)心輪廓
        lineTypee->可選參數(shù),繪制輪廓的線型
        hierarchy->可選參數(shù),findContours()方法得出的層次關(guān)系
        maxLevel->可選參數(shù),繪制輪廓的層次深度,最深繪制第maxLevel層
        offse->可選參數(shù),偏移量,可以改變繪制結(jié)果的位置
"""
import cv2 as cv
# 讀取加載圖像
image1 = cv.imread('shape1.png')
image2 = cv.imread('shape1.png')
# 將圖像由RGB格式轉(zhuǎn)為灰度圖像
gray1 = cv.cvtColor(image1, cv.COLOR_BGR2GRAY)
gray2 = cv.cvtColor(image2, cv.COLOR_BGR2GRAY)
# 將圖像進(jìn)行二值化閾值處理, 返回t是處理時(shí)采用的閾值,binary是閾值處理后的圖像
t1, binary1 = cv.threshold(gray1, 127, 255, cv.THRESH_BINARY)
t2, binary2 = cv.threshold(gray2, 127, 255, cv.THRESH_BINARY)
# 檢測(cè)圖像中出現(xiàn)的所有輪廓,記錄輪廓的每一個(gè)點(diǎn)
contours1, hierarchy1 = cv.findContours(binary1, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)
# 顯示原圖
cv.imshow('image', image1)
# 繪制所有輪廓,寬度為3,顏色為紅色
cv.drawContours(image1, contours1, -1, (0, 0, 255), 3)
cv.imshow('cv.RETR_LIST', image1)

# 檢測(cè)圖像中的外輪廓，記錄輪廓的每一個(gè)點(diǎn)
contours2, hierarchy2 = cv.findContours(binary2, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE)
# 使用cv2.RETR_EXTERNAL做參數(shù)繪制外輪廓,寬度為3,顏色為藍(lán)色
cv.drawContours(image2, contours2, -1, (255, 0, 0), 3)
cv.imshow('cv.RETR_EXTERNAL', image2)

cv.waitKey()
cv.destroyAllWindows()

# -*- coding: utf-8 -*-
# @Time    : 2021/8/18
# @Author  : ZYh
"""
Introduction:
繪制花朵所有輪廓
"""
import  cv2 as cv

image_flower = cv.imread('flower.png')
# 顯示原圖
cv.imshow('flower1', image_flower)
# 對(duì)圖像進(jìn)行中值濾波處理，去除噪聲
image_flower = cv.medianBlur(image_flower, 5)
cv.imshow('flower2', image_flower)
# 將圖像從RGB轉(zhuǎn)為單通道灰度圖像
gray_flower = cv.cvtColor(image_flower, cv.COLOR_BGR2GRAY)
# 灰度圖像進(jìn)行二值化閾值處理
t, binary = cv.threshold(gray_flower, 127, 255, cv.THRESH_BINARY)
# 顯示二值化圖像
cv.imshow('binary', binary)
# 獲取二值化圖像中的輪廓以及輪廓層次
contours, hierarchy = cv.findContours(binary, cv.RETR_LIST, cv.CHAIN_APPROX_NONE)
# 在原圖中繪制輪廓
cv.drawContours(image_flower, contours, -1, (0, 255, 255), 2)
# 顯示繪制輪廓后的圖像
cv.imshow('cv.RETR_LIST', image_flower)

cv.waitKey()
cv.destroyAllWindows()