OpenCV 轮廓检测完全指南：从基础到实战

在计算机视觉领域，轮廓检测是一项核心且基础的技术，它能够帮助我们识别图像中物体的边界形状，为后续的目标识别、图像分割、尺寸测量等高级任务提供关键支撑。本文将基于 OpenCV 库，从理论知识到代码实战，全面讲解轮廓检测的原理、API 使用方法以及常见应用场景，即使是 OpenCV 初学者也能轻松理解并上手实践。

一、轮廓检测基础概念

在正式进入代码实战前，我们需要先明确几个核心概念，这是理解后续内容的关键：

• 轮廓（Contour）：指图像中具有相同颜色或灰度的连续像素点所构成的曲线，它代表了物体的边界形状。简单来说，轮廓就是物体边缘的 “骨架”。
• 二值图像要求：轮廓检测对输入图像有严格要求 —— 必须是二值图像（像素值仅为 0 和 255，分别代表背景和前景）。这是因为轮廓检测需要明确区分物体和背景，灰度图像或彩色图像的像素值范围过广，无法直接用于轮廓提取。
• 轮廓层次（Hierarchy）：当图像中存在嵌套物体（如 “画框里的画”“空心圆内部的小圆”）时，轮廓之间会形成层级关系。OpenCV 通过层次结构数组记录这种关系，帮助我们区分 “父轮廓”（外轮廓）和 “子轮廓”（内轮廓）。

二、核心 API 解析：cv2.findContours ()

轮廓检测的核心函数是cv2.findContours()，它负责从二值图像中提取所有轮廓及其层次结构。掌握该函数的参数和返回值，是实现轮廓检测的第一步。

1. 函数语法

image, contours, hierarchy = cv2.findContours(img, mode, method)

2. 参数详解

（1）输入图像：img

• 必须是二值图像（通过阈值处理、边缘检测等方法得到），而非彩色图像或灰度图像。
• 若输入为彩色 / 灰度图像，需先通过cv2.threshold()等函数转换为二值图像（后续实战会演示）。

（2）轮廓检索模式：mode

该参数决定了 OpenCV 如何提取轮廓以及是否建立轮廓间的层级关系，常用的 4 种模式如下：

模式常量	功能描述
cv2.RETR_EXTERNAL	只检测外轮廓，忽略所有子轮廓（适合只关注最外层物体的场景，如 “检测桌面的杯子”）。
cv2.RETR_LIST	检测所有轮廓，但不建立层级关系，所有轮廓平级（适合无需区分内外轮廓的简单场景）。
cv2.RETR_CCOMP	检测所有轮廓，仅建立两级层级：第 1 级为外轮廓，第 2 级为外轮廓内部的空洞轮廓（适合简单嵌套场景）。
cv2.RETR_TREE	检测所有轮廓，建立完整的层级结构（适合复杂嵌套场景，如 “俄罗斯套娃” 式的多层轮廓）。

（3）轮廓近似方法：method

该参数决定了如何压缩轮廓上的点，以平衡轮廓精度和存储效率：

方法常量	功能描述
cv2.CHAIN_APPROX_NONE	存储轮廓上所有像素点（精度最高，但占用内存大，