源圖片：

實驗1.直接findContours：

import cv2

img = cv2.imread('lala.png', 0)
# img = img[100:, :]
contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
colored_img = cv2.imread('lala.png')
# colored_img = colored_img[100:, :, :]
for i in range(len(contours)):
    cv2.drawContours(colored_img, contours, i, (255, 255, 0), 5)
    cv2.imshow('contour-%d'%i, colored_img)
    cv2.waitKey()
    colored_img = cv2.imread('lala.png')
    # colored_img = colored_img[100:, :, :]
cv2.destroyAllWindows()

結果如下圖所示，值得注意的是整張圖片的框也算進輪廓里：

實驗2.截取部分圖片findContours（取消上述代碼的注釋）

結果圖示，基本同實驗1：

實驗3.先使用Canny算法得到邊緣圖，找邊緣圖中的輪廓。

import cv2

img = cv2.imread('lala.png', 0)
# img = img[100:, :]
img = cv2.Canny(img, 10, 20)
cv2.imshow('canny', img)
contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
print(len(contours))
colored_img = cv2.imread('lala.png')
# colored_img = colored_img[100:, :, :]
for i in range(len(contours)):
    cv2.drawContours(colored_img, contours, i, (255, 255, 0), 5)
    cv2.imshow('contour-%d'%i, colored_img)
    cv2.waitKey()
    colored_img = cv2.imread('lala.png')
    # colored_img = colored_img[100:, :, :]
cv2.destroyAllWindows()

結果如圖所示，我認為2和3邊緣并不密封，有一些小缺口導致其內輪廓和外輪廓連成一條輪廓，于是不像1那樣分別展示的是內輪廓和外輪廓，另由于Canny提取的邊緣很細，內輪廓和外輪廓基本上是一條線。

實驗4.1的內輪廓和外輪廓是否基本是一條線

import numpy as np
print(len(contours[3]), len(contours[4]), len(np.unique(np.concatenate((contours[3], contours[4])), axis=0)))

結果：209 205 217
209+205-217=197可見內輪廓和外輪廓的大部分點都是重合的。

實驗5.Canny提取部分圖像的邊緣

結果如圖所示：

總結

以上是生活随笔為你收集整理的探究cv2.findContours函数找到的轮廓的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。