輪廓檢測
輪廓檢測也是圖像處理中經常用到的。OpenCV-Python接口中使用cv2.findContours()函數來查找檢測物體的輪廓。
實現
使用方式如下：
import cv2
img = cv2.imread("./test.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)
cv2.imshow("img", img)
cv2.waitKey(0)
需要注意的是cv2.findContours()函數接受的參數為二值圖，即黑白的（不是灰度圖），所以讀取的圖像要先轉成灰度的，再轉成二值圖，參見4、5兩行。第六行是檢測輪廓，第七行是繪製輪廓。
結果
原圖如下：
檢測結果如下：
注意，findcontours函數會“原地”修改輸入的圖像。這一點可通過下麵的語句驗證：
cv2.imshow("binary", binary)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.imshow("binary2", binary)
執行這些語句後會發現原圖被修改了。
cv2.findContours()函數
函數的原型為
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
opencv2返回兩個值：contours：hierarchy。注:opencv3會返回三個值,分別是img, countours, hierarchy
參數
第一個參數是尋找輪廓的圖像；
第二個參數表示輪廓的檢索模式，有四種（本文介紹的都是新的cv2接口）：
cv2.RETR_EXTERNAL 表示隻檢測外輪廓
cv2.RETR_LIST 檢測的輪廓不建立等級關係
cv2.RETR_CCOMP 建立兩個等級的輪廓，上麵的一層為外邊界，裏麵的一層為內孔的邊界信息。如果內孔內還有一個連通物體，這個物體的邊界也在頂層。
cv2.RETR_TREE 建立一個等級樹結構的輪廓。
第三個參數method為輪廓的近似辦法
cv2.CHAIN_APPROX_NONE 存儲所有的輪廓點，相鄰的兩個點的像素位置差不超過1，即max（abs（x1-x2），abs（y2-y1））==1
cv2.CHAIN_APPROX_SIMPLE 壓縮水平方向，垂直方向，對角線方向的元素，隻保留該方向的終點坐標，例如一個矩形輪廓隻需4個點來保存輪廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS 使用teh-Chinl chain 近似算法
返回值
cv2.findContours()函數返回兩個值，一個是輪廓本身，還有一個是每條輪廓對應的屬性。
contour返回值
cv2.findContours()函數首先返回一個list，list中每個元素都是圖像中的一個輪廓，用numpy中的ndarray表示。這個概念非常重要。在下麵drawContours中會看見。通過
print (type(contours))
print (type(contours[0]))
print (len(contours))
可以驗證上述信息。會看到本例中有兩條輪廓，一個是五角星的，一個是矩形的。每個輪廓是一個ndarray，每個ndarray是輪廓上的點的集合。
由於我們知道返回的輪廓有兩個，因此可通過
cv2.drawContours(img,contours,0,(0,0,255),3)
和
cv2.drawContours(img,contours,1,(0,255,0),3)
分別繪製兩個輪廓，關於該參數可參見下麵一節的內容。同時通過
print (len(contours[0]))
print (len(contours[1]))
輸出兩個輪廓中存儲的點的個數，可以看到，第一個輪廓中隻有4個元素，這是因為輪廓中並不是存儲輪廓上所有的點，而是隻存儲可以用直線描述輪廓的點的個數，比如一個“正立”的矩形，隻需4個頂點就能描述輪廓了。
hierarchy返回值
此外，該函數還可返回一個可選的hiararchy結果，這是一個ndarray，其中的元素個數和輪廓個數相同，每個輪廓contours[i]對應4個hierarchy元素hierarchy[i][0] ~hierarchy[i][3]，分別表示後一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號，如果沒有對應項，則該值為負數。
通過
print (type(hierarchy))
print (hierarchy.ndim)
print (hierarchy[0].ndim)
print (hierarchy.shape)
可以看出，hierarchy本身包含兩個ndarray，每個ndarray對應一個輪廓，每個輪廓有四個屬性。
輪廓的繪製
OpenCV中通過cv2.drawContours在圖像上繪製輪廓。
cv2.drawContours()函數
cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])
第一個參數是指明在哪幅圖像上繪製輪廓；
第二個參數是輪廓本身，在Python中是一個list。
第三個參數指定繪製輪廓list中的哪條輪廓，如果是-1，則繪製其中的所有輪廓。後麵的參數很簡單。其中thickness表明輪廓線的寬度，如果是-1（cv2.FILLED），則為填充模式。繪製參數將在以後獨立詳細介紹。
補充：
http://blog.csdn.net/sunny2038/article/details/12889059博客提到，可用下麵的方式計算得到輪廓的極值點，如下
pentagram = contours[1] #第二條輪廓是五角星
leftmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()])
rightmost = tuple(pentagram[:,0][pentagram[:,:,0].argmin()])
cv2.circle(img, leftmost, 2, (0,255,0),3)
cv2.circle(img, rightmost, 2, (0,0,255),3)
注意！假設輪廓有100個點，OpenCV返回的ndarray的維數是(100, 1, 2)！！！而不是我們認為的(100, 2)。切記！！！人民郵電出版社出版了一本《NumPy攻略：Python科學計算與數據分析》，推薦去看一下。
更新：關於pentagram[:,0]的意思
在numpy的數組中，用逗號分隔的是軸的索引。舉個例子，假設有如下的數組：
a = np.array([[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]])
其shape是(5, 1, 2)。與我們的輪廓是相同的。那麼a[:,0]的結果就是：
[3,4], [1,2], [5,7], [3,7], [1,8]
這裏a[:,0]的意思就是a[0:5,0]，也就是a[0:5,0:0:2]，這三者是等價的。
回頭看一下，a的shape是(5,1,2)，表明是三個軸的。在numpy的數組中，軸的索引是通過逗號分隔的。同時冒號索引“:”表示的是該軸的所有元素。因此a[:, 0]表示的是第一個軸的所有元素和第二個軸的第一個元素。在這裏既等價於a[0:5, 0]。
再者，若給出的索引數少於數組中總索引數，則將已給出的索引樹默認按順序指派到軸上。比如a[0:5,0]隻給出了兩個軸的索引，則第一個索引就是第一個軸的，第二個索引是第二個軸的，而第三個索引沒有，則默認為[:]，即該軸的所有內容。因此a[0:5,0]也等價於a[0:5,0:0:2]。
再詳細一點，a的全體內容為：[[[3,4]], [[1,2]],[[5,7]],[[3,7]],[[1,8]]]。去掉第一層方括號，其中有五個元素，每個元素為[[3,4]]這樣的，所以第一個索引的範圍為[0:5]。注意OpenCV函數返回的多維數組和常見的numpy數組的不同之處！
觀察[[3,4]]，我們發現其中隻有一個元素，即[3, 4]，第二個索引為[0:1]。
再去掉一層方括號，我們麵對的是[3,4]，有兩個元素，所以第三個索引的範圍為[0:2]。
再次強調一下OpenCVPython接口函數返回的NumPy數組和普通的NumPy數組在組織上的不同之處。
參考資料：
1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
3、OpenCV官方文檔Contour部分
http://blog.csdn.net/jjddss/article/details/72674704
opencv3可能會報too many values to unpack (expected 2)的錯誤
最近在OpenCV-Python接口中使用cv2.findContours()函數來查找檢測物體的輪廓。
根據網上的 教程，Python OpenCV的輪廓提取函數會返回兩個值，第一個為輪廓的點集，第二個是各層輪廓的索引。但是實際調用時我的程序報錯了，錯誤內容如下：too many values to unpack (expected 2)
其實是接受返回值不符，如果你僅僅使用一個變量a去接受返回值，調用len(a),你會發現長度為3，也就是說這個函數實際上返回了三個值
第一個，也是最坑爹的一個，它返回了你所處理的圖像
第二個，正是我們要找的，輪廓的點集
第三個，各層輪廓的索引
使用方式如下：
import cv2
img = cv2.imread("./test.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img,contours,-1,(0,0,255),3)
cv2.imshow("img", img)
cv2.waitKey(0)
運行時出現錯誤： ValueError: too many values to unpack
原因：由於版本（使用的時3.2.0.7）問題 cv.findContours返回值個數發生變化，變為3個。因此應該為
aa, ctrs, hier = cv2.findContours(im_th.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
假如第一個參數不使用，可寫成
_, ctrs, hier = cv2.findContours(im_th.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
拓展：
ValueError: too many values to unpack 類錯誤，多為輸入或者輸出參數數量不一致導致。
