1.3輪廓的近似方法
之前提到輪廓是一個形狀具有相同灰度值的邊界，它會存儲形狀邊界上所有的（x,y）坐標。實際上我們不需要所有的點，當需要直線時，找到兩個端點即可。cv2.CHAIN_APPROX_SIMPLE可以實現。它會將輪廓上的冗餘點去掉，壓縮輪廓，從而節省內存開支。
下麵用矩陣來演示，在輪廓列表中的每一個坐標上畫一個藍色圓圈。第一個顯示使用cv2.CHAIN_APPROX_NONE的效果，一共734個點，第二個圖是使用cv2.CHAIN_APPROX_SIMPLE的結果，隻有4個點。
2.輪廓特征
2.1矩
圖像的矩可以幫助我們計算圖像的質心，麵積等。
函數cv2.moments()會將計算得到的矩以一個字典的形式返回。
import numpy as npimport cv2img = cv2.imread('1024.jpg',0)ret,thresh = cv2.threshold(img,127,255,0)image,contours,hierarchy=cv2.findContours(thresh,1,2)cnt=contours[0]M=cv2.moments(cnt)print(M)根據這些矩的值，我們可以計算出對象的重心：
cx=int(M['m10']/M['m00'])cy=int(M['m01']/M['m00'])
2.2輪廓麵積
可以使用函數cv2.contourArea()計算得到，也可以用矩（0階矩），M['m00']。
area=cv2.contourArea(cnt)
2.3輪廓周長
也被稱為弧長。可以使用函數cv2.arcLength()計算得到。這個函數的第二參數可以用來指定對象的形狀是閉合的（True），還是打開的（一條曲線）。
perimeter = cv2.arcLength(cnt,True)
2.4輪廓近似
將輪廓形狀近似到另外一種由更少點組成的輪廓形狀，新輪廓的點的數目由我們設定的準確度來決定，使用的Douglas-Peucker算法，可以自己Google。
假設我們要在一幅圖像中查找一個矩形，但是由於圖像的種種原因我們不能得到一個完美的矩形，而是一個“壞形狀”，現在就可以使用這個函數來近似這個形狀，第二個參數是epsilon，它是從原始輪廓到近似輪廓的最大距離，它是一個準確度參數。
epsilon=0.1*cv2.arcLength(cnt,True)approx = cv2.approxPolyDP(cnt,epsilon,True)
2.5凸包
凸包與輪廓近似相似，但不同，雖然有些情況下它們給出的結果是一樣的。函數cv2.convexHull()可以用來檢測一個曲線是否具有凸性缺陷，並能糾正缺陷。一般來說，凸性曲線總是凸出來的，至少是平的。如果有地方凹進去了就被叫做凸性缺陷。例如下圖中的手，紅色曲線顯示了手的凸包，凸性缺陷被雙箭頭標出來了。
hull = cv2.convexHull(points,hull,clockwise,returnPoints)
參數：
points我們要傳入的輪廓
hull輸出，通常不需要
clockwise方向標誌，如果設置為True，輸出的凸包是順時針方向的，否則為逆時針方向。
returnPoints默認值為True。它會返回凸包上點的坐標，如果設置為False，就會返回與凸包點對應的輪廓上的點。
要獲得上圖的凸包，可以用下麵命令：
hull=cv2.convexHull(cnt)
但是如果你想獲得凸性缺陷，需要把returnPoints設置為False。以上麵矩形為例，首先我們找到他的輪廓從cnt。現在把returnPoints設置為True查找凸包，得到的就是矩形的四個角點。把returnPoints設置為False，得到的是輪廓點的索引。
2.6凸性檢測
函數cv2.isContourConvex()可以檢測一個曲線是不是凸的。它隻能返回True或者False。
k=cv2.isContourConvex(cnt)
2.7邊界矩形
直邊界矩形，一個直矩形，沒有旋轉。不會考慮對象是否旋轉。所以邊界矩形的麵積不是最小的。可以使用函數cv2.boundingRect()查找得到
#（x,y）為矩形左上角的坐標，（w,h）是矩形的寬和高x,y,w,h=cv2.boundingRect(cnt)img=cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,0),2)
旋轉的邊界矩形，這個邊界矩形是麵積最小的，因為它考慮了對象的旋轉。用函數cv2.minAreaRect()。返回的是一個Box2D結構，其中包含矩形最上角角點坐標（x，y）矩形的寬和高（w,h）以及旋轉角度。但是要繪製這個矩形需要矩形的4個角點，可以通過函數cv2.boxPoints()獲得。
其中綠色的為直矩形，紅色為旋轉矩形。
2.8最小外接圓
函數cv2.minEnclosingCircle()可以幫我們找到一個對象的外接圓。它是所有能夠包括對象的圓中麵積最小的一個。
(x,y),radius = cv2.minEnclosingCircle(cnt) center = (int(x),int(y))radius = int(radius) img = cv2.circle(img,center,radius,(0,255,0),2)
2.9橢圓擬合
使用函數cv2.ellipse()，返回值其實就是旋轉邊界矩形的內切圓。
ellipse = cv2.fitEllipse(cnt)img = cv2.ellipse(img,ellipse,(0,255,0),2)
2.10直線擬合
可以根據一組點擬合出一條直線，同樣我們也可以為圖像中的白色點擬合出一條直線。
rows,cols = img.shape[:2] [vx,vy,x,y]=cv2.fitLine(cnt,cv2.DIST_L2,0,0.01,0.01) lefty=int((x*vy/vx)+y) righty=int(((cols-x)*vy/vx)+y)img = cv2.line(img,(cols-1,righty),(0,lefty),(0,255,0),2)
