import cv2
img = cv2.imread( 'E:\A.jpeg' )
cv2.imshow( 'img', img )

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, ( 160, 240, 120 ), 3 )

cv2.imshow( 'img1', img )
cv2.waitKey( 0 )
cv2.destroyAllWindows()

cv2.findContours()函数：

參数：

參1(是寻找轮廓的图像)

參2(表示轮廓的检索模式)有四种：

(1).cv2.RETR_EXTERNAL 仅仅检測外轮廓

(2).cv2.RETR_LIST 检測的轮廓不建立等级关系

(3).cv2.RETR_CCOMP 建立两个等级的轮廓，

上面的一层为外边界。

里面的一层为内孔的边界信息。

假设内孔内另一个连通物体，

这个物体的边界也在顶层

(4).cv2.RETR_TREE 建立一个等级树结构的轮廓

參3(method为轮廓的近似办法):

(1)cv2.CHAIN_APPROX_NONE 存储全部的轮廓点，

相邻的两个点的像素位置差不超过1，

即max（abs（x1-x2），abs（y2-y1））==1

(2).cv2.CHAIN_APPROX_SIMPLE 压缩水平方向。

垂直方向，对角线方向的元素，

仅仅保留该方向的终点坐标。

比如一个矩形轮廓仅仅需4个点来保存轮廓信息

(3).cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS

使用teh-Chinl chain 近似算法

返回值：

值1：

是轮廓本身。

值2：

每条轮廓相应的属性。