Opencv C++ 轮廓相关操作
查找轮廓：
0.1 findContours()函数
作用：
函数FindContours()从二值图像中寻找轮廓，其处理的图像可以是从Canny（)函数得到有边缘像素的图像，或者是从Threshold（）得到的图像，这时的边缘是正和负区域之间的边界。
函数及其参数说明：
findContours(
InputOutputArray binImg, //输入8bit图像（二值图像）
OutputArrayOfArrays contours, //输出找到的轮廓对象
OutputArray, hierachy // 图像的拓扑结构
int mode, //轮廓返回的模式(RETR_TREE等)
int method, //发现方法(CHAIN_APPROX_SIMPLE等)
Point offset=Point() //轮廓像素的位移（默认没有位移（0, 0））
)
（1）在输入图像中查找轮廓时，FindContours()函数会对输入图像进行修改，建议输入原图的拷贝图像。
（2）contours这个参数就是内存存储器，函数找到的轮廓就记录在此内存里。
(3) mode参数表面返回的轮廓的“连接方法”，
0.1 drawContours()函数
作用：
一个经常使用的功能是在屏幕上绘制检测到的轮廓。绘制可以使用drawContours（）函数完成；
drawContours(
InputOutputArray binImg, // 输出图像
OutputArrayOfArrays contours, //找到的全部轮廓对象
Int contourIdx, //轮廓索引号
const Scalar & color, //绘制颜色
int thickness, //绘制线宽
int lineType, //线的类型（默认8）
InputArray hierarchy, //拓扑结构图
int maxlevel, //最大层数（0只绘制当前的，1表示绘制绘制当前及其内嵌的轮廓）
Point offset=Point(), //轮廓位移
图像预处理
预处理目的是为轮廓查找提供高质量的输入源图像。
预处理的主要步骤包括：
灰度化：使用cv::cvtColor()
图像去噪：使用高斯滤波cv::Gaussian()
二值化：使用cv::Threshold()
形态学处理：cv::morphologyEx()
其中灰度化可以将3通道图像转化为单通道图像，以便进行二值化门限分割；去噪可以有效剔除图像中的异常独立噪点；二值化是为轮廓查找函数提供单通道图像；形态学的某些处理通常可以剔除细小轮廓，联通断裂的轮廓。
实例：
Mat ImgA=imread("你的图片路径");
Mat ImgB=imread("你的图片路径");
Mat DisImg, DisImgGray, ImgGrayA, ImgGrayB;
Mat Thresh01;
absdiff(ImgA, ImgB, DisImg);
vector<vector<Point> > Contours;
vector<Vec4i> hierarchy;
cvtColor(DisImg, DisImgGray, CV_BGR2GRAY);
cvtColor(ImgA, ImgGrayA, CV_BGR2GRAY);
cvtColor(ImgB, ImgGrayB, CV_BGR2GRAY);
threshold(DisImgGray, Thresh01, 0, 255, CV_THRESH_OTSU);
namedWindow("example", (800, 600));
imshow("example", Thresh01);
findContours(Thresh01, Contours, hierarchy,CV_RETR_LIST,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
for (int i = 0; i < Contours.size(); i++)
{
drawContours(ImgA, Contours,i,Scalar(255,0,0),4,8,hierarchy,0,Point(0,0));
}
namedWindow("example1", (800, 600));
imshow("example1", ImgA);
waitKey(0);
return 0;