函數原型
findContours(InputOutputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode, int method, Point offset = Point());
參數1：二值圖像；
參數2： 輪廓的集合，有點像C#的LIst<List<Point>>,用於輸出輪廓集
contours定義為“vector<vector<Point>> contours”，是一個雙重向量
（向量內每個元素保存了一組由連續的Point構成的點的集合的向量）
，每一組點集就是一個輪廓，有多少輪廓，contours就有多少元素；
參數3：hierarchy定義為“vector<Vec4i> hierarchy”，
Vec4i的定義： 用於輸出輪廓類型
typedef Vec<int, 4> Vec4i;（向量內每個元素都包含了4個int型變量），所以從定義上看，hierarchy是一個向量，向量內每個元素都是一個包含4個int型的數組。向量hierarchy內的元素和輪廓向量contours內的元素是一一對應的，向量的容量相同。hierarchy內每個元素的4個int型變量是hierarchy[i][0] ~ hierarchy[i][3]，
分別表示當前輪廓 i 的后一個輪廓、前一個輪廓、父輪廓和內嵌輪廓的編號索引。如果當前輪廓沒有對應的后一個輪廓、前一個輪廓、父輪廓和內嵌輪廓，則相應的hierarchy[i][*]被置為-1。
參數4：定義輪廓的檢索模式，
取值如下：
CV_RETR_EXTERNAL：只檢測最外圍輪廓，包含在外圍輪廓內的內圍輪廓被忽略；
CV_RETR_LIST：檢測所有的輪廓，包括內圍、外圍輪廓，但是檢測到的輪廓不建立等級關系，彼此之間獨立，沒有等級關系，這就意味着這個檢索模式下不存在父輪廓或內嵌輪廓，所以hierarchy向量內所有元素的第3、第4個分量都會被置為-1，具體下文會講到；
CV_RETR_CCOMP: 檢測所有的輪廓，但所有輪廓只建立兩個等級關系，外圍為頂層，若外圍內的內圍輪廓還包含了其他的輪廓信息，則內圍內的所有輪廓均歸屬於頂層；
CV_RETR_TREE: 檢測所有輪廓，所有輪廓建立一個等級樹結構。外層輪廓包含內層輪廓，內層輪廓還可以繼續包含內嵌輪廓。
參數5：定義輪廓的近似方法，取值如下：
CV_CHAIN_APPROX_NONE：保存物體邊界上所有連續的輪廓點到contours向量內；
CV_CHAIN_APPROX_SIMPLE：僅保存輪廓的拐點信息，把所有輪廓拐點處的點保存入contours向量內，拐點與拐點之間直線段上的信息點不予保留；
CV_CHAIN_APPROX_TC89_L1：使用teh-Chinl chain 近似算法;
CV_CHAIN_APPROX_TC89_KCOS：使用teh-Chinl chain 近似算法。
參數6：Point偏移量，所有的輪廓信息相對於原始圖像對應點的偏移量，相當於在每一個檢測出的輪廓點上加上該偏移量，並且Point還可以是負值！
案例如下：
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
Mat src, dst;
const char* output_win = "findcontours-demo";
int threshold_value = 100;
int threshold_max = 255;
RNG rng;
void Demo_Contours(int, void*);
int main(int argc, char** argv) {
src = imread("D:/vcprojects/images/happyfish.png");
if (src.empty()) {
printf("could not load image...\n");
return -1;
}
namedWindow("input-image", CV_WINDOW_AUTOSIZE);
namedWindow(output_win, CV_WINDOW_AUTOSIZE);
imshow("input-image", src);
cvtColor(src, src, CV_BGR2GRAY);
const char* trackbar_title = "Threshold Value:";
createTrackbar(trackbar_title, output_win, &threshold_value, threshold_max, Demo_Contours);
Demo_Contours(0, 0);
waitKey(0);
return 0;
}
void Demo_Contours(int, void*) {
Mat canny_output;
vector<vector<Point>> contours;
vector<Vec4i> hierachy;
Canny(src, canny_output, threshold_value, threshold_value * 2, 3, false);
findContours(canny_output, contours, hierachy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(0, 0));
dst = Mat::zeros(src.size(), CV_8UC3);
RNG rng(12345);
for (size_t i = 0; i < contours.size(); i++) {
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
drawContours(dst, contours, i, color, 2, 8, hierachy, 0, Point(0, 0));
}
imshow(output_win, dst);
}
運行結果
尋找輪廓前要進行邊緣，或者二值化圖像，不然，他只會把像素值為255的取輪廓。如下圖所示：
