2. 函数实现
轮廓提取的原理：先通过阈值分割提取目标物体，再通过边缘检测提取目标物体轮廓。一个轮廓就是一系列的点（像素），这些点构成了一个有序的点集合。
使用 cv2.findContours [ˈkɑnˌtʊrz] 函数可以用来检测图像的边缘。
contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])
image：输入图像（二值图，而非灰度图，注意）
mode：轮廓检索模式：
cv2.RETR_EXTERNAL：只检索最外面的轮廓；
cv2.RETR_LIST：检索所有的轮廓，并将其保存到一条链表中；
cv2.RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；
cv2.RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次；
method：轮廓逼近方法：
cv2.CHAIN_APPROX_NONE：存储所有的轮廓点，相邻的两个点的像素位置差不超过 1，即 max(abs(x1-x2),abs(y2-y1))==1，一般不会用到；
cv2.CHAIN_APPROX_SIMPLE：压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需 4 个点来保存轮廓信息。
contours：返回的轮廓；
hierachy [ˈhī(ə)ˌrärkē]：每条轮廓对应的属性；
offset：每个轮廓点移动的可选偏移量。
返回结果是等高线和层次结构。
轮廓提取之后，还要通过 cv2.drawContours 函数绘制轮廓：
drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset]]]]])
image：输入图像；
contours：轮廓，在 Python 中是一个 list，就是 cv2.findContours 函数返回的点集，一个列表；
contourIdx：轮廓的索引，指定绘制轮廓 list 中的哪条轮廓，要绘制所有轮廓，传递-1；
color：颜色；
thickness [ˈθɪknəs] ：厚度，如果是-1，表示填充；
lineType：线型；
hierarchy：层次结构的可选信息；
maxLevel：绘制轮廓的最大级别，0：仅绘制指定的轮廓，1：绘制轮廓和所有嵌套轮廓，2：绘制轮廓，所有嵌套轮廓，所有嵌套到嵌套的轮廓；
offset：轮廓偏移参数。
了解如上信息就可以有如下完整代码：
"""
Author: Will Wang
Email: WillWang1998@163.com
"""
import cv2
color_red = (0, 0, 255) # 画笔颜色(BGR)
img = cv2.imread('tyut_logo.png')
img = cv2.resize(img, (512, 512))
img_c = img.copy()
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转化为灰度图
ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) # 阈值二值化
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 寻找轮廓
cv2.drawContours(img, contours, -1, color_red, 2) # 绘制轮廓到img(注意原图会被改变)
cv2.imshow('origin', img_c) # 显示原图
cv2.imshow('findContours', img) # 显示绘制轮廓后的图像
cv2.waitKey(0)
cv2.destroyAllWindows()
你也可以对自己的图像进行测试。