一、返回值概述
cv2.findcontours函数用于检测二值图像中的轮廓。这个函数返回三个参数，分别是：
image, contours, hierarchy = cv2.findContours(image, mode, method)其中，image是输入的二值图像；contours是一个列表，其中包含检测出来的轮廓；hierarchy描述了轮廓之间的关系。
二、contours参数详解
上面提到，contours是一个列表，其中包含检测出来的轮廓。每一个轮廓都是由一系列点组成的，可以使用cv2.drawContours函数将其画出。但是在实际应用中，我们还需要进一步了解这个contours参数。
首先，我们可以通过len(contours)来获取图像中的轮廓数量，也可以使用cv2.drawContours函数画出指定的轮廓。假设我们想要画出第二个轮廓，代码如下：
cv2.drawContours(img, [contours[1]], -1, (0,255,0), 3)如果想要获取第一个轮廓的面积，可以使用cv2.contourArea函数。同理，我们还可以获取轮廓的周长（cv2.arcLength）、边界矩形（cv2.boundingRect）、最小闭合圆（cv2.minEnclosingCircle）等信息。
三、hierarchy参数详解
在返回值中，hierarchy描述了轮廓之间的关系。hierarchy是一个形状和contours一样的多维数组，每一行的元素有四个分量，分别表示后一个轮廓、前一个轮廓、父轮廓和内部轮廓。如果当前轮廓没有对应的后一个、前一个、父轮廓或内部轮廓，那么对应分量的值为-1。
对于复杂的轮廓，在使用cv2.drawContours函数时，我们可以通过注释掉一部分代码，只画出特定的轮廓。如果想画出所有的轮廓，可以使用以下代码：
cv2.drawContours(img, contours, -1, (0,255,0), 3)如果想提取某一个轮廓的所有子轮廓，可以使用hierarchy参数。以下是获取第一个轮廓的子轮廓的示例代码：
child_ids = hierarchy[0,:,2]
child_contours = [contours[i] for i in child_ids if i != -1]四、轮廓近似
cv2.findContours返回的轮廓是由一系列点组成的，但是实际应用中，我们往往需要将轮廓进行近似，以便用更少的点来表示轮廓。这个近似过程可以通过cv2.approxPolyDP实现，它需要两个参数：输入的轮廓和近似程度（epsilon）。近似的结果是一系列点，可以使用cv2.drawContours函数将其画出。
以下是进行近似的示例代码：
epsilon = 0.01 * cv2.arcLength(contours[0], True)
approx = cv2.approxPolyDP(contours[0], epsilon, True)
cv2.drawContours(img, [approx], -1, (0, 0, 255), 3)五、轮廓特征提取
在检测轮廓时，如果我们想要进行轮廓匹配或者分类，那么需要从轮廓中提取一些特征。常见的特征包括：轮廓面积、周长、重心、边界框、外接圆、最大直径等。以下是获取轮廓面积和周长的示例代码：
area = cv2.contourArea(contours[0])
perimeter = cv2.arcLength(contours[0], True)需要注意的是，这些特征提取函数都需要传入轮廓作为参数。
六、小结
本文深入探究了cv2.findContours函数返回值中的contours和hierarchy参数，并且介绍了轮廓近似和轮廓特征提取。通过这些知识点，我们可以更好地理解轮廓检测的原理，并且在实际应用中更加灵活地使用轮廓。
