一、轮廓检测
image, contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])
findContours( InputOutputArray image, OutputArrayOfArrays contours, OutputArray hierarchy, int mode, int method, Point offset=Point());
findContours( InputOutputArray image, OutputArrayOfArrays contours, int mode, int method, Point offset=Point());
1、image:输入图像。8-bit的单通道二值图像，非零的像素都会被当作1。
2、contours:检测到的轮廓。是一个向量，向量的每个元素都是一个轮廓。因此，这个向量的每个元素仍是一个向量。vector<vector<Point> > contours;
3、hierarchy:各个轮廓的继承关系。hierarchy也是一个向量，长度和contours相等，每个元素和contours的元素对应。hierarchy的每个元素是一个包含四个整型数的向量。即：
vector<Vec4i> hierarchy; // Vec4i is a vector contains four number of int
hierarchy[i][0],hierarchy[i][1],hierarchy[i][2],hierarchy[i][3],分别表示的是第i条轮廓(contours[i])的下一条，前一条，包含的第一条轮廓(第一条子轮廓)和包含他的轮廓(父轮廓)。
4、mod: 检测轮廓的方法。有四种方法。
5、method:表示一条轮廓的方法。
6、offset:可选的偏移，就是简单的平移，特别是在做了ROI步骤之后有用。
检测轮廓方法(mod):
—CV_RETR_EXTERNAL：只检测外轮廓。忽略轮廓内部的洞。
—CV_RETR_LIST：检测所有轮廓，但不建立继承(包含)关系。
—CV_RETR_TREE：检测所有轮廓，并且建立所有的继承(包含)关系。用CV_RETR_EXTERNAL和CV_RETR_LIST方法hierarchy变量是没用的，因为前者没有包含关系，找到的都是外轮廓，后者仅仅是找到所有的轮廓但并不把包含关系区分。用TREE这种检测方法的时候我们的hierarchy这个参数才是有意义的。事实上，应用前两种方法的时候，我们就用findContours这个函数的第二种声明了。
—CV_RETR_CCOMP：检测所有轮廓，但是仅仅建立两层包含关系。外轮廓放到顶层，外轮廓包含的第一层内轮廓放到底层，如果内轮廓还包含轮廓，那就把这些内轮廓放到顶层去。
表示一条轮廓的方法(method):
– CV_CHAIN_APPROX_NONE：把轮廓上所有的点存储。
– CV_CHAIN_APPROX_SIMPLE：只存储水平，垂直，对角直线的起始点。对drawContours函数来说，这两种方法没有区别。
– CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS：实现的“Teh-Chin chain approximation algorithm.
vector<vector<Point> > contours;
vector<Vec4i> hierarchy;
/// 找到轮廓
findContours( src, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, Point(0, 0) );
二、通过drawContours画出连通域轮廓
void drawContours(InputOutputArray image, InputArrayOfArrays contours, int contourIdx, const Scalar& color, int thickness=1, int lineType=8, InputArray hierarchy=noArray(), int maxLevel=INT_MAX, Point offset=Point() )
函数参数详解：
image表示目标图像，
contours表示输入的轮廓组，每一组轮廓由点vector构成，
contourIdx指明画第几个轮廓，如果该参数为负值，则画全部轮廓，
数color为轮廓的颜色，
thickness为轮廓的线宽，如果为负值或CV_FILLED表示填充轮廓内部，
lineType为线型，
hierarchy为轮廓结构信息，
Mat contoursImage(im.rows,im.cols,CV_8U,Scalar(255));
for(int i=0;i<contours.size();i++){
if(hierarchy[i][3]!=-1)
drawContours(contoursImage,contours,i,Scalar(0),3);
}
int idx = 0;
for( ; idx >= 0; idx = hierarchy[idx][0] )
{
Scalar color( rand()&255, rand()&255, rand()&255 );
drawContours( dst, contours, idx, color, CV_FILLED, 8, hierarchy );
}
三、其他相关函数
1、获取包围对象的垂直矩阵
cv::Rect r0= cv::boundingRect(cv::Mat(contours[0]));
cv::rectangle(result,r0,cv::Scalar(0),2);
2、获取包围对象的最小圆
float radius;
Point2f center;
minEnclosingCircle(Mat(contours[1]), center, radius);
circle(result, Point(center), static_cast<int>(radius), Scalar(255), 2);
3、获取包围对象的多边形
std::vector<cv::Point> poly;
cv::approxPolyDP(cv::Mat(contours[2]),poly,
5, // accuracy of the approximation, 轮廓点之间最大距离数
true); // yes it is a closed shape
vector<Point>::const_iterator itp = poly.begin();
while (itp != (poly.end() - 1))
{
line(result, *itp, *(itp + 1), Scalar(255), 2);
++itp;
}
vector<vector<Point>> contours_poly(contours.size());//用于存放折线点集
for (int i = 0; i<contours.size(); i++)
{
approxPolyDP(Mat(contours[i]), contours_poly[i], 15, true);
drawContours(dstImg, contours_poly, i, Scalar(0, 255, 255), 2, 8); //绘制
}
4、获得包围对象的凸包
原理
std::vector<cv::Point> hull;
cv::convexHull(cv::Mat(contours[3]),hull); //clockwise:操作方向，当标识符为真时，输出凸包为顺时针方向，否则为逆时针方向。
//returnPoints:操作标识符，默认值为true，此时返回各凸包的各个点，否则返回凸包各点的指数，当输出数组时std::vector时，此标识被忽略。
vector<Point>::const_iterator ith = hull.begin();
while (ith != (hull.end() - 1)){
line(result, *ith, *(ith + 1), Scalar(255), 2);
++ith;
}
line(result, *ith, *(hull.begin()), Scalar(255), 2);
vector<vector<Point>>hull(contours.size());
for (int i = 0; i < contours.size(); i++){
convexHull(Mat(contours[i]), hull[i], false);
}
//绘制轮廓和凸包
Mat drawing = Mat::zeros(threshold_output.size(), CV_8UC3);
for (int i = 0; i < contours.size(); i++){
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
drawContours(drawing, hull, i, color, 1, 8, vector<Vec4i>(), 0, Point());
}
5、轮廓中的所有点
一个想法：先取得轮廓，然后新建一个图像，在新图像上画出轮廓以及填充的图像，遍历这幅图像，如果有颜色就是在轮廓内。
另一个方法1
另一个方法2
6、最小面积的外接矩形（可倾斜）
minAreaRect(InputArray points);
/// 对每个找到的轮廓创建可倾斜的边界框和椭圆
vector<RotatedRect> minRect( contours.size() );
vector<RotatedRect> minEllipse( contours.size() );
for( int i = 0; i < contours.size(); i++ )
{ minRect[i] = minAreaRect( Mat(contours[i]) );
if( contours[i].size() > 5 )
{ minEllipse[i] = fitEllipse( Mat(contours[i]) ); }
}
/// 绘出轮廓及其可倾斜的边界框和边界椭圆
Mat drawing = Mat::zeros( threshold_output.size(), CV_8UC3 );
for( int i = 0; i< contours.size(); i++ )
{
Scalar color = Scalar( rng.uniform(0, 255), rng.uniform(0,255), rng.uniform(0,255) );
// contour
drawContours( drawing, contours, i, color, 1, 8, vector<Vec4i>(), 0, Point() );
// ellipse
ellipse( drawing, minEllipse[i], color, 2, 8 );
// rotated rectangle
Point2f rect_points[4];
minRect[i].points( rect_points );
for( int j = 0; j < 4; j++ )
line( drawing, rect_points[j], rect_points[(j+1)%4], color, 1, 8 );
7、可倾斜椭圆（见上）
fitEllipse(InputArray points)；
8、轮廓内连通区域的面积和长度
double contourArea(InputArray contour, bool oriented=false )
InputArray contour：输入的点，一般是图像的轮廓点
bool oriented=false:表示某一个方向上轮廓的的面积值，顺时针或者逆时针，一般选择默认false
double arcLength(InputArray curve, bool closed)；
curve：输入二维点集，并用std::vector or Mat存储；
closed：该标志指明曲线是否封闭；
contourArea(contours[i]);
arcLength( contours[i], true );
9、判断一个点是否在一个多边形内
pointPolygonTest
double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist)
用于测试一个点是否在多边形中
当measureDist设置为true时，若返回值为正，表示点在多边形内部，返回值为负，表示在多边形外部，返回值为0，表示在多边形上。
当measureDist设置为false时，若返回值为+1，表示点在多边形内部，返回值为-1，表示在多边形外部，返回值为0，表示在多边形上。
10、比较两个形状的相似性
原理：OpenCV提供的一个根据计算比较两张图像Hu不变距的函数，函数返回值代表相似度大小，完全相同的图像返回值是0，返回值最大是1。这可以用在在一堆照片中搜索出两张相同或相同程度最大的图像。
double cvMatchShapes(const void * object1, const void * object2, int method, double parameter = 0);
第一个参数是待匹配的物体1，第二个是待匹配的物体2
第三个参数method有三种输入：
CV_CONTOURS_MATCH_I1
CV_CONTOURS_MATCH_I2
CV_CONTOURS_MATCH_I3
即三种不同的判定物体相似的方法
double ffff=matchShapes(contours[0], contours[0], CV_CONTOURS_MATCH_I3,1.0); //也可以输入灰度图
