OpenCvSharp中通过使用findContours函数，简单几个的步骤就可以检测出物体的轮廓，很方便。这些准备继续探讨一下findContours方法中各参数的含义及用法，比如要求只检测最外层轮廓该怎么办？contours里边的数据结构是怎样的？hierarchy到底是什么鬼？
先从opencv中的findContours函数原型看起：
findContours( InputOutputArray image, OutputArrayOfArrays contours,
OutputArray hierarchy, int mode,
int method, Point offset=Point());第一个参数：image，单通道图像矩阵，可以是灰度图，但更常用的是二值图像，一般是经过Canny、拉普拉斯等边缘检测算子处理过的二值图像
第二个参数：contours，定义为“vector<vector<Point>> contours”，是一个向量，并且是一个双重向量，向量内每个元素保存了一组由连续的Point点构成的点的集合的向量，每一组Point点集就是一个轮廓。
有多少轮廓，向量contours就有多少元素。
第三个参数：hierarchy，定义为“vector<Vec4i> hierarchy”，先来看一下Vec4i的定义：
向量内每一个元素包含了4个int型变量”的向量。
向量hiararchy内的元素和轮廓向量contours内的元素是一一对应的，向量的容量相同。
后一个轮廓、前一个轮廓、父轮廓、内嵌轮廓的索引编号。如果当前轮廓没有对应的后一个轮廓、前一个轮廓、父轮廓或内嵌轮廓的话，则hierarchy[i][0] ~hierarchy[i][3]的相应位被设置为默认值-1
第四个参数：int型的mode，定义轮廓的检索模式：
只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓，所以hierarchy向量内所有元素的第3、第4个分量都会被置为-1，具体下文会讲到
只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
取值四：CV_RETR_TREE， 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓
第五个参数：int型的method，定义轮廓的近似方法：
保存物体边界上所有连续的轮廓点到contours向量内
仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留
近似算法
第六个参数：Point偏移量，所有的轮廓信息相对于原始图像对应点的偏移量，相当于在每一个检测出的轮廓点上加上该偏移量，并且Point还可以是负值！（默认是没有偏移量）
这时再来看opencvsharp中的findContours参数就一目了然
下边用效果图对比一下findContours函数中各参数取不同值时，向量contours和hierarchy的内容如何变化，有何异同。
▶mode取值“RetrievalModes.External”，method取值“ContourApproximationModes.ApproxNone”，即只检测最外层轮廓，并且保存轮廓上所有点：
只有最外层的轮廓被检测到，内层的轮廓被忽略
▶mode取值“RetrievalModes.List”，method取值“ContourApproximationModes.ApproxSimple”，即检测所有轮廓，但各轮廓之间彼此独立，不建立等级关系，并且仅保存轮廓上拐点信息：
这里不大明显，见下面两图（←超链接）：
▶mode取值“RetrievalModes.Tree”，method取值“ContourApproximationModes.ApproxNone”，即检测所有轮廓，轮廓间建立外层、内层的等级关系，并且保存轮廓上所有点。
所有内外层轮廓都被检测到，contours点集组成的图形跟轮廓表现一致。
