cv2.findContours()是非常常用的方法，在文字检测例如dbnet的后处理中，通常预测产生的概率图或者二值图要产生检测的边界，通常使用findContours方法找出边界在还原，除此之外一些对边缘的监督学习制作的标签也往往使用findContours方法。这个方法也有个缺点就是速度很慢，如果一次检测的二值图有很多的话，每个二值化都要找所有的边界点的话会很慢，虽然可以控制是否存储所有点，但是找的过程是针对所有点而言的。

void cv::findContours	(	InputArray 	image,
OutputArrayOfArrays 	contours,
int 	mode,
int 	method,
Point 	offset = Point() 
)		
Python:
cv.findContours(	image, mode, method[, contours[, hierarchy[, offset]]]	) ->	contours, hierarchy

下面是第三个参数的解释，这里注意到第二个参数是轮廓检索模式，这和返回的hierarchy相关。通常来说，有四种，RETR_LIST，它只是提取所有的轮廓，而不去建立任何父子关系，所有的轮廓属于同一级。RETR_EXTERNAL，它只会返回最外边的轮廓，所有的子轮廓都会被忽略掉。RETR_CCOMP，这种模式下会返回所有的轮廓并将轮廓分为量级组织结果。RETR_TREE，返回所有的轮廓，并且创建一个完整的组织结构列表，这是最完整的一个模式。

opencv-python 4.0中，返回值只有两个了，一个是contours，一个是hierarchy。

cv2.drawContours()若第三个参数选择-1为绘制所有的轮廓，但是只绘制单个轮廓时，通常会采用，其中4是第四个，通常会对返回的contours做一个循环清洗，然后在一一绘制。

cnt = contours[4]
cv.drawContours(img, [cnt], 0, (0,255,0), 3)for box, area_box in zip(region, area):cv2.drawContours(img, [box], 0, (0, 255, 0), 2)cv2.namedWindow("img", cv2.WINDOW_NORMAL)cv2.imshow("img", img)cv2.imwrite("contours.png", img)cv2.waitKey(0)cv2.destroyAllWindows()

In [41]: img = cv2.imread(r'C:\Users\Desktop\car.jpg')
In [44]: imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)...: ret,thresh = cv2.threshold(imgray,127,255,0)...: contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)In [45]: cv2.drawContours(img,contours,-1,(0,255,0),3)In [46]: cv2.imshow('img',img)