今天就跟大家聊聊有关怎么在python中利用opencv对图像的轮廓进行绘制，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
目前成都创新互联已为上千多家的企业提供了网站建设、域名、网络空间、网站运营、企业网站设计、荔波网站维护等服务，公司将坚持客户导向、应用为本的策略，正道将秉承"和谐、参与、激情"的文化，与客户和合作伙伴齐心协力一起成长，共同发展。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。
谈起轮廓不免想到边缘，它们确实很像。简单的说，轮廓是连续的，边缘并不全都连续（下图）。其实边缘主要是作为图像的特征使用，比如可以用边缘特征可以区分脸和手；而轮廓主要用来分析物体的形态，比如物体的周长和面积等，可以说边缘包括轮廓。
寻找轮廓的操作一般用于二值图像，所以通常会使用阈值分割或Canny边缘检测先得到二值图。
注意：寻找轮廓是针对白色物体的，一定要保证物体是白色，而背景是黑色，不然很多人在寻找轮廓时会找到图片最外面的一个框。
import cv2 as cv
import numpy as np
img = cv.imread('j.png')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
print(len(contours))参数2：轮廓的查找方式，一般使用cv.RETR_TREE，表示提取所有的轮廓并建立轮廓间的层级。
参数3：轮廓的近似方法。比如对于一条直线，我们可以存储该直线的所有像素点，也可以只存储起点和终点。使用cv.CHAIN_APPROX_SIMPLE就表示用尽可能少的像素点表示轮廓。
简便起见，这两个参数也可以直接用真值3和2表示。
函数有2个返回值，hierarchy是轮廓间的层级关系，这个不用理会。我们主要看contours，它就是找到的轮廓了，以链表形式存储，记录了每条轮廓的所有像素点的坐标(x,y)。
轮廓找出来后，可以像图中那样用红色画出来：cv.drawContours()
cv.drawContours(img, contours, -1, (0, 0, 255), 2)
其中参数2就是得到的contours，参数3表示要绘制哪一条轮廓，-1表示绘制所有轮廓，参数4是颜色（B/G/R通道，所以(0,0,255)表示红色），参数5是线宽。
经验之谈：很多人画图时明明用了彩色，但没有效果，请检查你是在哪个图上画，画在灰度图和二值图上显然是没有彩色的。
一般情况下，我们会首先获得要操作的轮廓，再进行轮廓绘制及分析：
cnt = contours[1]
cv.drawContours(img, [cnt], 0, (0, 0, 255), 2)
import cv2 as cv
import numpy as np
img = cv.imread('jiao.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
ret, thresh = cv.threshold(img_gray, 0, 255, cv.THRESH_BINARY_INV + cv.THRESH_OTSU)
# 寻找二值图像的轮廓
contours, hierarchy = cv.findContours(
thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
cnt = contours[1:6]
cv.drawContours(img, cnt, -1, (0, 0, 255), 2)
cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()看完上述内容，你们对怎么在python中利用opencv对图像的轮廓进行绘制有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。