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:
 OpenCV提供的findContours()方法可以通過計算圖像梯度來判斷出圖像的邊緣,然后將邊緣的點封裝成數(shù)組返回
 contours, hierarchy = cv2.findContours(image, mode, mothode)
 參數(shù):
  image->被檢測圖像必須是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 只檢測外輪廓
cv2.RETR_LIST  檢測所有輪廓,但不建立層次關(guān)系
cv2.RETR_CCOMP 檢測所有輪廓,并建立兩級層次關(guān)系
cv2.RETR_TREE  檢測所有輪廓,并建立樹狀結(jié)構(gòu)的層次關(guān)系
  mothode->檢測輪廓時使用的方法
參數(shù)值含義
cv2.CHAIN_NONE 儲存輪廓上的所有點
cv2.CHAIN_APPROX_SIMPLE 只保存水平、垂直或?qū)蔷€輪廓的端點
cv2.CHAIN_APPROX_TC89_L1Ten_Chinl近似算法的一種
cv2.CHAIN_APPROX_TC89_KCOS Ten_Chinl近似算法的一種
 retval:
  contours->檢測出的所有輪廓,list類型,每一個元素都是某個輪廓的像素坐標(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),畫筆的粗細,如果為-1則繪制實心輪廓
  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)
# 將圖像進行二值化閾值處理, 返回t是處理時采用的閾值,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)
# 檢測圖像中出現(xiàn)的所有輪廓,記錄輪廓的每一個點
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)
# 檢測圖像中的外輪廓，記錄輪廓的每一個點
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)
# 對圖像進行中值濾波處理，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()