OpenCV中通過使用findContours函數，簡單幾個的步驟就可以檢測出物體的輪廓，很方便。這些准備繼續探討一下findContours方法中各參數的含義及用法，比如要求只檢測最外層輪廓該怎么辦？contours里邊的數據結構是怎樣的？hierarchy到底是什么鬼？Point()有什么用？
先從findContours函數原型看起：
1 findContours( InputOutputArray image, OutputArrayOfArrays contours, 2 OutputArray hierarchy, int mode, 3 int method, Point offset=Point());
第一個參數：image，單通道圖像矩陣，可以是灰度圖，但更常用的是二值圖像，一般是經過Canny、拉普拉斯等邊緣檢測算子處理過的二值圖像；
第二個參數：contours，定義為“vector<vector<Point>> contours”，是一個向量，並且是一個雙重向量，向量內每個元素保存了一組由連續的Point點構成的點的集合的向量，每一組Point點集就是一個輪廓。 有多少輪廓，向量contours就有多少元素。
第三個參數：hierarchy，定義為“vector<Vec4i> hierarchy”，先來看一下Vec4i的定義：
typedef Vec<int, 4> Vec4i;
Vec4i是Vec<int,4>的別名，定義了一個“向量內每一個元素包含了4個int型變量”的向量。
所以從定義上看，hierarchy也是一個向量，向量內每個元素保存了一個包含4個int整型的數組。
向量hiararchy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向量內每一個元素的4個int型變量——hierarchy[i][0] ~hierarchy[i][3]，分別表示第i個輪廓的后一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號。如果當前輪廓沒有對應的后一個輪廓、前一個輪廓、父輪廓或內嵌輪廓的話，則hierarchy[i][0] ~hierarchy[i][3]的相應位被設置為默認值-1。
第四個參數：int型的mode，定義輪廓的檢索模式：
取值一：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
取值二：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
取值三：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
取值四：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。
第五個參數：int型的method，定義輪廓的近似方法：
取值一：CV_CHAIN_APPROX_NONE 保存物體邊界上所有連續的輪廓點到contours向量內
取值二：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
取值三和四：CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS使用teh-Chinl chain 近似算法
第六個參數：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！
下邊用效果圖對比一下findContours函數中各參數取不同值時，向量contours和hierarchy的內容如何變化，有何異同。
主體程序如下：
1 #include "core/core.hpp"
2 #include "highgui/highgui.hpp"
3 #include "imgproc/imgproc.hpp"
4 #include "iostream"
5
6 using namespace std; 7 using namespace cv; 8
9 int main(int argc,char *argv[]) 10 { 11 Mat imageSource=imread(argv[1],0); 12 imshow("Source Image",imageSource); 13 Mat image; 14 GaussianBlur(imageSource,image,Size(3,3),0); 15 Canny(image,image,100,250); 16 vector<vector<Point>> contours; 17 vector<Vec4i> hierarchy; 18 findContours(image,contours,hierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point()); 19 Mat imageContours=Mat::zeros(image.size(),CV_8UC1); 20 Mat Contours=Mat::zeros(image.size(),CV_8UC1); //繪制
21 for(int i=0;i<contours.size();i++) 22 { 23 //contours[i]代表的是第i個輪廓，contours[i].size()代表的是第i個輪廓上所有的像素點數
24 for(int j=0;j<contours[i].size();j++) 25 { 26 //繪制出contours向量內所有的像素點
27 Point P=Point(contours[i][j].x,contours[i][j].y); 28 Contours.at<uchar>(P)=255; 29 } 30
31 //輸出hierarchy向量內容
32 char ch[256]; 33 sprintf(ch,"%d",i); 34 string str=ch; 35 cout<<"向量hierarchy的第" <<str<<" 個元素內容為："<<endl<<hierarchy[i]<<endl<<endl; 36
37 //繪制輪廓
38 drawContours(imageContours,contours,i,Scalar(255),1,8,hierarchy); 39 } 40 imshow("Contours Image",imageContours); //輪廓
41 imshow("Point of Contours",Contours); //向量contours內保存的所有輪廓點集
42 waitKey(0); 43 return 0; 44 }
程序中所用原始圖像如下：
通過調整第四個參數mode——輪廓的檢索模式、第五個參數method——輪廓的近似方式和不同的偏移量Point()，就可以得到以下效果。
一、mode取值“CV_RETR_EXTERNAL”，method取值“CV_CHAIN_APPROX_NONE”，即只檢測最外層輪廓，並且保存輪廓上所有點：
輪廓：
只有最外層的輪廓被檢測到，內層的輪廓被忽略
contours向量內所有點集：
保存了所有輪廓上的所有點，圖像表現跟輪廓一致
hierarchy向量：
重溫一下hierarchy向量————向量中每個元素的4個整形分別對應當前輪廓的后一個輪廓、前一個輪廓、父輪廓、內嵌輪廓的索引編號。
本次參數配置下，hierarchy向量內有3個元素，分別對應於3個輪廓。以第2個輪廓（對應向量內第1個元素）為例，
內容為[2,0,-1,-1], “2”表示當前輪廓的后一個輪廓的編號為2，“0”表示當前輪廓的前一個輪廓編號為0，其后2個“-1”表示為空，因為只有最外層輪廓這一個等級，所以不存在父輪廓和內嵌輪廓。
二、 mode取值“CV_RETR_LIST”，method取值“CV_CHAIN_APPROX_SIMPLE”，即檢測所有輪廓，但各輪廓之間彼此獨立，不建立等級關系，並且僅保存輪廓上拐點信息：
檢測到的輪廓跟上文“一”中是一致的，不再顯示。
contours向量內所有點集：
contours向量中所有的拐點信息得到了保留，但是拐點與拐點之間直線段的部分省略掉了。
hierarchy向量（截取一部分）：
本次參數配置下，檢測出了較多輪廓。第1、第2個整形值分別指向上一個和下一個輪廓編號，由於本次配置mode取值“RETR_LIST”，各輪廓間各自獨立，不建立等級關系，所以第3、第4個整形參數為空，設為值-1。
三、mode取值“CV_RETR_TREE”，method取值“CV_CHAIN_APPROX_NONE”，即檢測所有輪廓，輪廓間建立外層、內層的等級關系，並且保存輪廓上所有點。
contours向量內所有點集：
所有內外層輪廓都被檢測到，contours點集組成的圖形跟輪廓表現一致。
hierarchy向量（截取一部分）
本次參數配置要求檢測所有輪廓，每個輪廓都被划分等級，最外圍、第一內圍、第二內圍等等，所以除第1個最后一個輪廓外，其他輪廓都具有不為-1的第3、第4個整形參數，分別指向當前輪廓的父輪廓、內嵌輪廓索引編號。
四、Point()偏移量設置
使用三中的參數配置，設置偏移量Point為Point（45,30）。
此時輪廓圖像為：
可以看到輪廓圖像整體向右下角有一個偏轉，偏轉量就是設置的（45,30）。
這個偏移量的設置不能過大或過小（負方向上的過小），若圖像上任一點加上該偏移量后超出圖像邊界，程序會內存溢出報錯。
findContours函數的各參數就探討到此，其他參數配置的情況大同小異。值得關注一下的是繪制輪廓的函數drawContours中最后一個參數是一個Point類型的offset，這個offset跟findContours函數中的offset含義一致，設置之后所繪制的輪廓是原始輪廓上所有像素點加上該偏移量offset后的效果。
當所分析圖像是另外一個圖像的ROI的時候，這個offset偏移量就可以大顯身手了。通過加減這個偏移量，就可以把ROI圖像的檢測結果投影到原始圖像對應位置上。