r=cv2.drawContours(image, contours, contourIdx, color[, thickness])

import cv2
import numpy as np
o = cv2.imread('lena256.bmp')
gray = cv2.cvtColor(o,cv2.COLOR_BGR2GRAY)#BGR-灰度
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)#二值圖像
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
co=o.copy()#對原始圖像進行繪制
r=cv2.drawContours(co,contours,-1,(0,127,127),4)#co為復制圖像，輪廓會修改原始圖像
cv2.imshow("original",o)
cv2.imshow("contours",r)
cv2.waitKey()

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#為了顯示方便，這里將圖片進行縮放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#將圖片二值化，由于前景物體是黑色的，因此在二值化時采用cv.THRESH_TOZERO_INV這種方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#尋找圖片中的輪廓，mode=cv.RETR_EXTERNAL，這是為了尋找最外層的輪廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

#cv.minEnclosingCircle函數的參數要求是ndarray類型，因此這里將找到的
# 輪廓中的所有的點存放在一個列表中，然后使用這個列表創(chuàng)建數組
point_list=[]
for i in contour:
  for j in i:
    point_list.append(j[0])
point_array=np.array(point_list)

#使用最小外接圓函數，返回值為這個圓的圓心坐標和圓半徑長度
(x,y),radius=cv.minEnclosingCircle(point_array)

#圖片上的坐標均為整數，圓的半徑也要求是整數，因此將它們強制轉換為int類型
center=(int(x),int(y))
color=cv.cvtColor(img,cv.COLOR_GRAY2BGR)
color=cv.circle(color,center,radius=int(radius),color=(0,0,255),thickness=2)
#顯示圖片
cv.imshow("color",color)
cv.waitKey(0)
cv.destroyAllWindows()

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#為了顯示方便，這里將圖片進行縮放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#將圖片二值化，由于前景物體是黑色的，因此在二值化時采用cv.THRESH_TOZERO_INV這種方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#尋找圖片中的輪廓，mode=cv.RETR_EXTERNAL，這是為了尋找最外層的輪廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

#cv.minEnclosingCircle函數的參數要求是ndarray類型，因此這里將找到的
# 輪廓中的所有的點存放在一個列表中，然后使用這個列表創(chuàng)建數組
point_list=[]
for i in contour:
  for j in i:
    point_list.append(j[0])
point_array=np.array(point_list)

#尋找凸包，返回值是凸包上的點
hull=cv.convexHull(point_array,returnPoints=True)
color=cv.cvtColor(img,cv.COLOR_GRAY2BGR)

#將凸包繪制出來，需要注意的是：這里需要將凸包上點的坐標寫成一個
#列表傳入函數cv.ploylines，否則繪制出來的只是凸包上的一系列點
color=cv.polylines(color,[hull],True,(0,0,255),2)
#顯示圖片
cv.imshow("color",color)
cv.waitKey(0)
cv.destroyAllWindows()

import numpy as np
import cv2 as cv

img=cv.imread("image.jpg",0)

#為了顯示方便，這里將圖片進行縮放
x,y=img.shape
img=cv.resize(img,(y//2,x//2))
#將圖片二值化，由于前景物體是黑色的，因此在二值化時采用cv.THRESH_TOZERO_INV這種方式
ret,thresh=cv.threshold(img,127,255,cv.THRESH_TOZERO_INV)
#尋找圖片中的輪廓，mode=cv.RETR_EXTERNAL，這是為了尋找最外層的輪廓
im,contour,hierarchy=cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
#創(chuàng)建一個填充輪廓內像素點的畫板，背景顏色為黑色，這里我們使用numpy創(chuàng)建一個全零的二維數組
mask=np.zeros(img.shape,dtype=np.uint8)
#將參數thickness設置為-1，這樣cv.drawContours函數就會將輪廓內的像素點填充為指定的顏色
mask=cv.drawContours(mask,contour,contourIdx=-1,color=(255,255,255),thickness=-1)

#尋找mask內非零像素點，將其存放為一個numpy數組
NonZeroPoints=np.array(cv.findNonZero(mask))
#形狀變換，將其改變?yōu)橐粋€二維數組，數組的每一行存放一個非零像素點的坐標
NonZeroPoints=NonZeroPoints.reshape((-1,2))
#驗證我們提取出來的像素點坐標是否正確，我們使用變量
#column和row分別存放非零像素點在圖像中坐標的列數和行數
column=NonZeroPoints[:,0]
row=NonZeroPoints[:,1]
#在新的畫板上將這些點繪制出來，將這些坐標對應的像素點的值設為255
mask1=np.zeros(img.shape)
mask1[row,column]=255
#顯示結果
cv.imshow("mask",mask)
cv.imshow("mask1",mask1)
cv.waitKey(0)
cv.destroyAllWindows()