接着上一个博客：关于 Python opencv 使用中的 ValueError: too many values to unpack（）介绍cv2.findContours函数在opencv2和opencv3中区别以及应用。
cv2.findContours函数是一个图像轮廓的绘制方法，进行轮廓的检测
Opencv2 cv2.findContours 轮廓检测
这个函数在图像处理里面是经常应用到的，记住处理的图像是二值图像。
import cv2
img = cv2.imread('需要处理的图像')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 如果图像是二值图，这一行就可以删除
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
cv2.imshow("img", img)
cv2.waitKey(0)函数原型
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])返回两个值：contours：hierarchy。
参数介绍
第一个参数是寻找轮廓的图像；
第二个参数表示轮廓的检索模式，有四种（本文介绍的都是新的cv2接口）：
cv2.RETR_EXTERNAL表示只检测外轮廓
cv2.RETR_LIST检测的轮廓不建立等级关系
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。如果内孔内还有一个连通物体，这个物体的边界也在顶层。
cv2.RETR_TREE建立一个等级树结构的轮廓。
第三个参数method为轮廓的近似办法
cv2.CHAIN_APPROX_NONE存储所有的轮廓点，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
cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息
cv2.CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
cv2.findContours()函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。
Opencv3 cv2.findContours 轮廓检测
代码实现
import cv2
import numpy as np
img=cv2.imread(r'C:\a.png')
imgray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret,thresh=cv2.threshold(imgray,127,255,0)
thresh = 255-thresh
image,cnts,hierarchy=cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# cv2.imshow('imageshow',image) # **显示返回值image，其实与输入参数的thresh原图没啥区别**
# cv2.waitKey()
print(np.size(cnts)) # **得到该图中总的轮廓数量**
print(cnts[0]) # 打印出第一个轮廓的所有点的坐标， 更改此处的0，为0--（总轮廓数-1），可打印出相应轮廓所有点的坐标
print(hierarchy) #**打印出相应轮廓之间的关系**
img=cv2.drawContours(img,[cnts[0]],-1,(0,255,0),10) #标记处编号为0的轮廓
cv2.imshow('drawimg',img)
cv2.waitKey()与opencv2不同的就是输出的参数发生变化，这是要注意的。
还有一个函数：OpenCV的cv2.drawContours在图像上绘制轮廓。
