Python OpenCV 影像处理：影像轮廓

► 前言

上篇介绍使用OpenCV Python对于图像上的二值化操作，二值化主要用途包括图像分割、物体侦测、文字识别等。这种转换可以帮助检测图像中的物体或特定特征，并提取有用的信息，本篇基于二值化操作进行近一步的操作，透过影像梯度区分影像前景、后景，框选所需目标物件。透过程式码的说明，让各位了解OpenCV Python于图像处理上的基本操作。

►轮廓(Contour)定义

轮廓是由多个点组成的连续曲线或多边形，这些点会包围物体或形状的边界。轮廓描述了物体在影像中的外形和轮廓的形状。这些轮廓提供了对物体形状和结构的描述，可以识别和理解影像中的物体。

►轮廓检测与绘制

OpenCV提供findContours()函数用于在二值化影像中寻找轮廓。

1. image： 输入的二值化图像，通常是经过灰度转换和二值化处理后的图像。
2. mode： 轮廓检测模式。它指定轮廓的检索模式，可以使用以下值之一：
   • RETR_EXTERNAL：只检测最外层的轮廓。
   • RETR_LIST：检测所有的轮廓，但不建构轮廓的层次结构。
   • RETR_CCOMP：检测所有的轮廓，并将其组织为两级层次结构。
   • RETR_TREE&