为帮助大家理解和使用cv2.findContours()、cv2.drawContours()和cv2.contourArea()函数，本文通过对函数内容进行详解，并通过运行示例更直观表述。

函数解析

cv2.findContours()

cv2.findContours 是 OpenCV 中的一个函数，用于在二值图像中查找轮廓。以下是该函数的详细解释和参数说明：

函数原型
cv2.findContours(image, mode, method[, contours[, hierarchy[, offset ]]])

参数：
image：输入图像，通常是一个二值图像。
mode：轮廓检索模式。它可以是以下值之一：
cv2.RETR_EXTERNAL：只检索最外层的轮廓。
cv2.RETR_LIST：检索所有轮廓，并以列表形式返回。
cv2.RETR_CCOMP：检索所有轮廓，并以树状结构（contour hierarchy）形式返回。此时，轮廓被分为不同的层级。
cv2.RETR_TREE：检索所有轮廓，并以完整的树状结构形式返回。
method：轮廓近似方法。它可以是以下值之一：
cv2.CHAIN_APPROX_NONE：存储轮廓上的所有点。
cv2.CHAIN_APPROX_SIMPLE：压缩水平、垂直和对角方向的轮廓点。
cv2.CHAIN_APPROX_TC89_L1 和 cv2.CHAIN_APPROX_TC89_KCOS：使用L1和KOS链逼近算法。
contours（可选）：输出参数，返回检测到的轮廓。
hierarchy（可选）：输出参数，返回轮廓的层次结构。它是一个多通道多维数组，其中每个轮廓由三个数组组成：[next, previous, first_contour]。其中，“next”是下一个轮廓的索引，“previous”是上一个轮廓的索引，“first_contour”是起始轮廓的索引。
offset（可选）：偏移量，指定从哪里开始搜索轮廓。例如，如果指定了(10, 10)，则从图像的(10, 10)位置开始搜索轮廓。

返回值：
如果指定了contours参数，则此函数返回被检测到的第一个轮廓的索引；否则，不返回任何内容。

cv2.drawContours()

cv2.drawContours 是 OpenCV 中的一个函数，用于在图像上绘制轮廓。以下是该函数的详细解释和参数说明：

函数原型：
cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy ]]])

参数：
image：输入/输出图像。你可以提供一个初始图像（用于绘制轮廓）或提供一个空图像（将返回绘制好的轮廓图像）。
contours：输入轮廓的列表。通常，这是通过 cv2.findContours 函数获得的轮廓列表。
contourIdx：要绘制的轮廓的索引。如果要绘制所有轮廓，则将其设置为-1。
color：轮廓的颜色。通常使用 BGR 格式，例如 (255, 0, 0) 表示蓝色。
thickness（可选）：线条的厚度。如果为负数（如 -1），则会填充轮廓内部。
lineType（可选）：线条类型，可以是 cv2.LINE_8, cv2.LINE_4, 或 cv2.LINE_AA。
hierarchy（可选）：轮廓的层次结构信息，通常与 cv2.findContours 一起使用。

cv2.contourArea()

cv2.contourArea() 是 OpenCV 中的一个函数，用于计算轮廓的面积。这个函数对于分析图像中的对象或区域非常有用。

函数原型：
cv2.contourArea(contour[, oriented_area])

参数：
contour：这是一个轮廓的点集，通常通过 cv2.findContours() 函数获得。
oriented_area（可选）：如果提供了这个参数，它返回有方向的面积。0表示顺时针方向，正数表示逆时针方向。

返回值：
返回轮廓的面积。

运行示例

运行示例

import cv2
import numpy as np

# 加载图像并转为灰度图
image = cv2.imread('./images/36.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化处理
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

for i,contour in  enumerate(contours):
    cnt_area = cv2.contourArea(contour)
    print(cnt_area)
    if cnt_area>200:
        cv2.drawContours(image, contours, i, (0, 0, 255), 3)  # 用红色线条绘制第一个轮廓
# # 绘制第一个轮廓
# cv2.drawContours(image, contours, 0, (0, 0, 255), 3)  # 用红色线条绘制第一个轮廓
# #计算第一个轮廓面积
# cnt_area = cv2.contourArea(contours[0])
# print(cnt_area)
cv2.imshow('erzhihua', thresh)
cv2.imwrite("36_erzhihua.jpg",thresh)
cv2.imshow('Contours', image)
cv2.imwrite("36_Contours.jpg",image)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图：

二值化图像：

轮廓图像：

示例详解

（1）读取一幅名为36.jpg的图像.
（2）使用cv2.cvtColor（）函数进行灰度图像转换。
（3）使用cv2.threshold（）函数进行二值化处理。
（4）使用cv2.findContours（）函数查找图像中的轮廓。
（5）使用cv2.contourArea（）函数计算轮廓的面积。
（6）判断轮廓的面积是否大于200，如大于则进行（7）。
（7）使用cv2.drawContours（）函数将轮廓画到原图像中。
（8）展示和保存图像。