轮廓之间的父子关系
使用函数 cv2.findContours 来查找轮廓，
我们需要传入一个参数:轮廓提取模式(Contour_Retrieval_Mode)。
我们总是 把它设置为 cv2.RETR_LIST 或者是 cv2.RETR_TREE，效果还可以。
但是它们到底代表什么呢?
同时，我们得到的结果包含 3 个数组，
第一个图像，第二个是轮廓，第三个是层次结构。
但是我们从来没有用过层次结构
层次结构是用来干嘛的呢?
层次结构与轮廓提取模式有什么关系呢?
1 什么是层次结构
通常我们使用函数 cv2.findContours 在图片中查找一个对象。
有时对象可能位于不同的位置。
还有些情况，一个形状在另外一个形状的内部。
这种情况下我们称外部的形状为父，内部的形状为子。
按照这种方式分类，一幅图像中的所有轮廓之间就建立父子关系。
这样我们就可以确定一个轮廓与其他轮廓是怎样连接的，
比如它是不是某个轮廓的子轮廓，或者是父轮廓。
这种关系 就成为组织结构
在这幅图像中，给这几个形状编号为 0-5。
2 和 2a 分别代表最外边矩形的外轮廓和内轮廓。
在这里边轮廓 0，1，2 在外部或最外边。
我们可以称他们为(组织结构) 0 级，简单来说就是他们属于同一级
接下来轮廓 2a。
我们把它当成轮廓 2 的子轮廓。它就成为(组织结构)第 1 级。
同样轮廓 3 是轮廓 2 的子轮廓，成为(组织结构)第 3 级。
最后轮廓 4,5 是轮廓 3a 的子轮廓，成为(组织结构)4 级(最后一级)。
按照这种方式 给这些形状编号，
我们可以说轮廓 4 是轮廓 3a 的子轮廓(当然轮廓 5 也是)。
2 OpenCV 中层次结构
不管层次结构是什么样的，每一个轮廓都包含自己的信息:
谁是父，谁 是子等。
OpenCV 使用一个含有四个元素的数组表示：
[Next，Previous， First_Child，Parent]
Next
表示同一级组织结构中的下一个轮廓。
以上图中的轮廓 0 为例，轮廓 1 就是他的 Next
同样，轮廓 1 的 Next 是 2，Next=2
那轮廓 2 呢?在同一级没有 Next。这时 Next=-1
而轮廓 4 的 Next 为 5，所以它的 Next=5
Previous
表示同一级结构中的前一个轮廓
与前面一样，轮廓 1 的 Previous 为轮廓 0，轮廓 2 的 Previous 为轮 廓 1
轮廓 0 没有 Previous，所以 Previous=-1
First_Child
表示它的第一个子轮廓。
没有必要再解释了，轮廓 2 的子轮廓为 2a。
所以它的 First_Child 为 2a。
那轮廓 3a 呢?它有两个子轮廓。
但是我们只要第一个子轮廓，所以是轮 廓 4(按照从上往下，从左往右的顺序排序)
Parent
表示它的父轮廓。
与 First_Child 刚好相反。
轮廓 4 和 5 的父轮廓是轮廓 3a。
而轮廓 3a 的父轮廓是 3
注意:如果没有父或子，就为 -1
cv2.RETR_LIST,cv2.RETR_TREE,cv2.RETR_CCOMP,cv2.RETR_EXTERNAL
到底代表什么意思?
1 、轮廓检索模式 cv2.RETR_LIST
RETR_LIST 从解释的角度来看，这种应是最简单的。
它只是提取所有的轮 廓，而不去创建任何父子关系。
换句话说就是“人人平等”，它们属于同一级组 织轮廓
所以在这种情况下，组织结构数组的第三和第四个数都是 -1。
但是，很明 显，Next 和 Previous 要有对应的值
>>> hierarchy
array([[
[1, -1,-1，-1],
[2, 0,-1,-1],
[3, 1,-1,-1],
[4, 2,-1,-1],
[5, 3,-1,-1],
[6, 4,-1,-1],
[7, 5,-1,-1],
[-1, 6, -1, -1]]])如果你不关心轮廓之间的关系，这是一个非常好的选择
2、RETR_EXTERNAL
如果你选择这种模式的话，只会返回最外边的的轮廓， 所有的子轮廓都会被忽略掉
所以在上图中使用这种模式的话只会返回最外边的轮廓(第 0 级):轮廓 0，1，2
>>> hierarchy
array([[
[1,-1,-1,-1],
[2, 0,-1,-1],
[-1, 1, -1, -1]]])当你只想得到最外边的轮廓时，你可以选择这种模式。这在有些情况下很 有用
3、RETR_CCOMP
在这种模式下会返回所有的轮廓并将轮廓分为两级组织结构。
例如，一个对象的外轮廓为第 1 级组织结构。
而对象内部中空洞的轮廓为 第 2 级组织结构，
空洞中的任何对象的轮廓又是第 1 级组织结构。
空洞的组织 结构为第 2 级。
想象一下一副黑底白字的图像，图像中是数字 0。
0 的外边界属于第一级 组织结构，0 的内部属于第 2 级组织结构。
我们可以以下图为例简单介绍一下。我们已经用红色数字为这些轮廓编号， 并用绿色数字代表它们的组织结构。顺序与 OpenCV 检测轮廓的顺序一致
现在我们考虑轮廓 0，它的组织结构为第 1 级。
其中有两个空洞 1 和 2， 它们属于第 2 级组织结构。
所以对于轮廓 0 来说跟他属于同一级组织结构的 下一个(Next)是轮廓 3，
并且没有Previous。
它的 Fist_Child 为轮廓 1， 组织结构为 2。
由于它是第 1 级，所以没有父轮廓。
因此它的组织结构数组为 [3，-1，1，-1]。
现在是轮廓 1，它是第 2 级。
处于同一级的下一个轮廓为 2。
没有 Previous，也没有 Child，
(因为是第 2 级所以有父轮廓)父轮廓是 0。
所以数组是 [2，-1，-1，0]。
轮廓 2:它是第 2 级。
在同一级的组织结构中没有 Next。
Previous 为轮 廓 1。
没有子，父轮廓为 0，
所以数组是 [-1，1，-1，0]
轮廓 3:它是第 1 级。
在同一级的组织结构中 Next 为 5。
Previous 为 轮廓 0。
子为 4，没有父轮廓，
所以数组是 [5，0，4，-1]
轮廓 4:它是第 2 级。
在同一级的组织结构中没有 Next。
没有 Previous， 没有子，父轮廓为 3，
所以数组是 [-1，-1，-1，3]
>>> hierarchy
array([[
[ 3, -1, 1, -1],
[2,-1,-1, 0],
[-1, 1, -1, 0],
[5, 0, 4,-1],
[-1, -1, -1, 3],
[7, 3, 6,-1],
[-1, -1, -1, 5],
[8, 5,-1,-1],
[-1, 7, -1, -1]]])4、RETR_TREE
这种模式下会返回 所有轮廓，并且创建一个完整的组织结构列表。
它甚至会告诉你谁是爷爷，爸 爸，儿子，孙子等
还是以上图为例，使用这种模式，对 OpenCV 返回的结果重新排序并分 析它，
红色数字是边界的序号，绿色是组织结构
轮廓 0 的组织结构为 0，
同一级中 Next 为 7，没有 Previous。
子轮廓 是 1，
没有父轮廓。
所以数组是 [7，-1，1，-1]。
轮廓 1 的组织结构为 1，
同一级中没有其他，没有 Previous。
子轮廓是 2，父轮廓为 0。
所以数组是 [-1，-1，2，0]
>>> hierarchy
array([[
[ 7, -1, 1, -1],
[-1, -1, 2, 0],
[-1, -1, 3, 1],
[-1, -1, 4, 2],
[-1, -1, 5, 3],
[6,-1,-1, 4],
[-1, 5, -1, 4],
[8, 0,-1,-1],
[-1, 7, -1, -1]]])
