### OpenCV 中 `findContours` 函数的 `contours` 参数讲解 #### 轮廓的概念 在计算机视觉领域，轮廓是指具有相同颜色或亮度的对象边界上的连续点集。这些点通常通过边缘检测算法（如 Canny 边缘检测器）提取出来[^1]。 #### `findContours` 的功能 `cv::findContours` 是 OpenCV 提供的一个核心函数，用于从二值化图像中提取对象的轮廓。它返回两个主要的结果：`contours` 和 `hierarchy`。其中，`contours` 表示找到的所有轮廓集合，而 `hierarchy` 则描述了这些轮廓之间的拓扑关系[^2]。 --- #### `contours` 参数的数据结构 `contours` 是一个列表（Python 中为 list），其内部存储的是多个子列表，每个子列表代表一条独立的轮廓线。具体来说： - **外层容器**：`contours` 是一个二维数组或者嵌套列表的形式，在 Python 中表现为 `list[list[cv2.Point]]` 或者更通用地称为 `List[List[Point]]`。 - **内层容器**：每一个子列表对应于某条特定的轮廓线上的一组点坐标。每条轮廓由一系列 `(x, y)` 坐标的点组成，这些点定义了该轮廓的具体几何形态[^3]。 以下是具体的解释： - 如果有 N 条不同的轮廓，则 `len(contours) == N`。 - 对于任意一条轮廓 `i`，可以通过访问 `contours[i]` 获取它的所有顶点信息。 - 每个顶点是一个 NumPy 数组形式的 `[x, y]` 值对，表示像素位置。 --- #### 示例代码解析 下面是一段基于 OpenCV 的简单实现，展示如何获取并打印 `contours` 数据结构的内容： ```python import cv2 import numpy as np # 加载图片并转换成灰度图 image = cv2.imread('./example.png') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用阈值处理得到二值化图像 _, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 查找轮廓 contours, _ = cv2.drawContours(binary.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 打印轮廓数量以及第一条轮廓的信息 print(f"Total number of contours found: {len(contours)}") if len(contours) > 0: first_contour = contours[0] print(f"The points in the first contour are:") for point in first_contour[:5]: # 只显示前五个点作为例子 print(point.squeeze()) # 将 shape (1,2) 转换成 (2,) ``` 在这个例子中： - 我们加载了一张测试图片，并将其转为灰度模式； - 随后应用了一个简单的全局阈值操作来创建一幅黑白两色的掩模； - 接着调用了 `cv::findContours()` 方法检索所有的目标区域边框； - 最终遍历输出部分结果验证数据格式确实符合预期——即每一项都是若干个二维向量构成的小序列。 注意这里采用了简化近似方法 (`CHAIN_APPROX_SIMPLE`) ，所以实际获得的节点数目可能少于原始输入图形中的真实转折次数[^4]。 --- #### 关键属性总结 | 属性名 | 描述 | |--------------|----------------------------------------------------------------------------------------| | 外部类型 | List | | 子元素类型 | List[np.ndarray], where each ndarray has shape=(N,1,2), dtype=np.int32 | | 单位 | Pixel coordinates | 这意味着你可以轻松迭代整个结构体并对单个特征做进一步计算比如面积周长等等。 ---