图像轮廓一

图像轮廓的概念
边缘检测虽然能够检测出边缘，但边缘是不连续的，检测到的边缘并不是一个整体。图像轮廓是指将边缘连接起来形成的一个整体，用于后续的计算。
图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。
轮廓是一系列相连的点组成的曲线，代表了物体的基本外形，相对于边缘，轮廓是连续的，边缘并不全部连续。
查找并绘制轮廊
一个轮廊对应着一系列的点，这些点以某种方式表示图像中的一条曲线。在OpenCV中，函数cv2.findContours（）用于查找图像的轮廊，并能够根据参数返回特定表示方式的轮廊（曲线）。函数cv2。drawContours（）能够将查找到的轮廊绘制到图像上，该函数可以根据参数在图像上绘制不同方式（实心/空心点，以及线条的不同粗细、颜色等）的轮廊，可以绘制全部轮廊也可以仅绘制指定的轮廊。
查找

cv2.findContours()函数
contours,hierarchy=cv2.findContours（image,mode,method）
contours：返回的轮廓。例如contours[i]表示第i个轮廓。
hierarchy：图像的拓扑信息（轮廓层次）。
image：输入的图像。
mode：轮廓搜索模式：决定了轮廓的提取方式。
method：轮廓近似方法：决定了如何表达轮廓。

绘制
image=cv2.drawContours(image, contours, contourIdx,
color, thickness=None, lineType=None, hierarchy=None,
maxLevel=None, offset=None)
逐个绘制一幅图像内的边缘信息
实物轮廊检测

矩特征
比较两个轮廓最简单的方法是比较二者的轮廓矩。轮廓矩代表了一个轮廓、一幅图像、一组点集的全局特征。矩信息包含了对应对象不同类型的几何特征，例如大小、位置、角度、形状等。矩特征被广泛地应用在模式识别、图像识别等方面。
OpenCV提供了函数cv2.moments（）来获取图像的moments特征。通常情况下，我们将使用函数 cv2.moments（）获取的轮廊特征称为“轮廊矩”。轮廊矩描述了一个轮廊的重要·特征·，使用轮廊矩可以方便地比较两个轮廊。
计算轮廓的面积
显示面积小于20000的轮廓
计算轮廊的长度
length=cv2.arcLength(curve，closed)
curve ：轮廓。
closed ：布尔值，当为True时，表示闭合.
Hu特征
Hu矩是归一化中心矩的线性组合，Hu矩再图像旋转，缩放，平移等操作后，仍能保持矩的不变性，经常使用 Hu 矩来识别图像的特征。在 OpenCV 中，使用函数 cv2.HuMoments()可以得到 Hu 距。该函数使用 cv2.moments()函数的返回值作为参数，返回 7 个 Hu 矩值。
形状匹配
通过Hu 矩可以来判断两个对象的一致性。但是结果比较抽象，
OpenCV 提供了 cv2.matchShapes() 对两个对象的Hu矩进行比较。
retval = cv2.matchShapes(contour1, contour2, method, 0.0)
contour1 :第一个轮廓或灰度图像。
contour2：第二个灰度或轮廓图像。
method ：比较两个对象的Hu 矩的方法，写1吧
矩形包围框
最小外包矩形框
最小包围圆形
最优拟合椭圆
最优拟合直线
逼近多边形
在数字化时，要对曲线进行采样，即在曲线上取有限个点，将其变为折线，并且能够在一定程度上保持原有的形状。
绘制hand.png的手掌多边形轮廓