cv2.findContours(img，mode, method) # 找出图中的轮廓值，得到的轮廓值都是嵌套格式的
参数说明:img表示输入的图片，mode表示轮廓检索模式，通常都使用RETR_TREE找出所有的轮廓值，method表示轮廓逼近方法，使用NONE表示所有轮廓都显示cv2.drawCountours(img, contours, -1, (0, 0, 255), 2) # 画出图片中的轮廓值，也可以用来画轮廓的近似值
参数说明:img表示输入的需要画的图片， contours表示轮廓值，-1表示轮廓的索引，(0, 0, 255)表示颜色， 2表示线条粗细cv2.contourArea(cnt， True) # 计算轮廓的面积
参数说明：cnt为输入的单个轮廓值- cv2.arcLength(cnt， True) # 计算轮廓的周长
参数说明：cnt为输入的单个轮廓值 cv2.aprroxPolyDP(cnt, epsilon， True) # 用于获得轮廓的近似值，使用cv2.drawCountors进行画图操作
参数说明：cnt为输入的轮廓值， epsilon为阈值T，通常使用轮廓的周长作为阈值，True表示的是轮廓是闭合的x, y, w, h = cv2.boudingrect(cnt) # 获得外接矩形
参数说明：x，y, w, h 分别表示外接矩形的x轴和y轴的坐标，以及矩形的宽和高， cnt表示输入的轮廓值
1.载入图片
2.使用cv2.cvtcolor() 将图片转换为灰度图
3.使用cv2.threshold将图片做二值化转换
4.使用cv2.findContours 找出图片的轮廓值
5.使用cv2.drawContours在图片上画上轮廓
import cv2
import numpy as np
def cv_show(img, name):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 第一步读入图片
img = cv2.imread('car.png')
# 第二步：对图片做灰度变化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 第三步：对图片做二值变化
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 第四步：获得图片的轮廓值
Binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
# 第五步：在图片中画出图片的轮廓值
draw_img = img.copy()
ret = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
# 第六步：画出带有轮廓的原始图片
cv_show(ret, 'ret')
cv2.findCountor找出轮廓值，
使用cv2.drawCountors画出第一个图像的轮廓
通过索引取出第一个轮廓值cnt，
使用cv2.ContourArea()计算轮廓的面积
使用cv2.arcLength 获得轮廓的周长
img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
binary, contours, h = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
draw_img = img.copy()
# 参数说明,draw_img 需要作图的原始图像， contours表示轮廓， 0表示轮廓索引， (0, 0, 255)表示颜色， 2表示线条粗细
ret = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
cv_show(ret, 'ret')
# 取出单个的轮廓值
cnt = contours[0]
# 第二步：计算轮廓的面积
area = cv2.contourArea(cnt)
# 第三步： 计算轮廓的周长
length= cv2.arcLength(cnt, True)
print(area, length)
来源：https://www.cnblogs.com/shiqi17/p/12169742.html