Code：
1 import cv2 2 import numpy as np 3 4 img = np.zeros((200, 200), dtype=np.uint8) 5 img[50:150, 50:150] = 255 6 7 # ret, thresh = cv2.threshold(img, 127, 255, 0) 8 contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 9 color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) 10 img = cv2.drawContours(color, contours, -1, (0, 255, 0), 2) 11 cv2.imshow('hierarchy', img) 12 cv2.waitKey() 13 cv2.destroyAllWindows()
1、创建一个200x200的正方形，初始化为0的array数组，数据类型为uint8。
2、获取中心正方形，大小为100x100，并将中心区域的灰度级置为255。
3、对img图像进行二值化，threshold(src, threshold, maxval, type) 方法，将图像分割为目标物体和背景两部分:
src：输入的源图像，灰度图像最常见。
thresh：设定的阈值，用于对图像进行分割。
maxval：当像素值超过阈值时，赋予的新的像素值。
type：阈值化类型，包括cv2.THRESH_BINARY（大于阈值的像素设为maxval，小于阈值的像素设为0）、cv2.THRESH_BINARY_INV（大于阈值的像素设为0，小于阈值的像素设为maxval）等多种类型。
对传入的img进行阈值化处理，0表示简单阈值化方法，即当像素点上的灰度级大于127时，则该点灰度级置为255，否则置为0。（本随笔中可以省略此段代码，但是针对其他多灰度级分布的灰度图或者彩色图这一步是必要的）
4、对img图像进行查找轮廓，findContours(image, mode, method) 方法，在二值图像中查找轮廓:
image：输入的二值图像，通常为经过阈值化处理后的图像。
mode：轮廓检索模式，指定轮廓的层次结构。可以选择的模式包括：
cv2.RETR_EXTERNAL：只检测最外层的轮廓。
cv2.RETR_LIST：检测所有的轮廓，并将其存储在列表中，不建立轮廓之间的等级关系。
cv2.RETR_CCOMP：检测所有的轮廓，并将其组织为两级层次结构。顶层为连通域的外围边界，次层为连通域的内围边界。
cv2.RETR_TREE：检测所有的轮廓，并将其组织为树形结构。
method：轮廓的近似方法。可以选择的方法包括：
cv2.CHAIN_APPROX_NONE：保存所有的轮廓点。
cv2.CHAIN_APPROX_SIMPLE：仅保存轮廓的端点，例如一个矩形框的四个角点。
cv2.CHAIN_APPROX_TC89_L1和cv2.CHAIN_APPROX_TC89_KCOS：使用 Teh-Chinl chain 近似算法进行轮廓压缩。
函数的返回值包括两部分：
contours：轮廓的坐标信息，以列表形式返回。每个轮廓都是一个由点坐标构成的数组。
hierarchy：轮廓的层次结构信息，以多维数组形式返回。
5、将img转换成BGR图像。
6、绘画轮廓，drawContours() 方法：
image：输入的图像，可以是彩色图像或灰度图像。
contours：要绘制的轮廓，通常是通过 findContours 函数获取到的轮廓列表。
contourIdx：指定要绘制的轮廓在列表中的索引。如果设置为 -1，则绘制所有的轮廓。
color：轮廓线的颜色，可以是一个三元组 (B, G, R) 表示的颜色值。
thickness：轮廓线的厚度，如果设置为 -1，则填充轮廓内部。