参考：
Contour Detection using OpenCV (Python/C++)
边缘检测
应用：运动检测和分割
轮廓：连接物体边界的所有点，通常，轮廓指的是有相同颜色和密度的边界像素
寻找轮廓步骤：
1.读取图像转为灰度图
2.二值转换，将图像转为黑白，高亮目标物体（canny边缘检测或者二值化阈值）。阈值化把图像中目标的边界转化为白色，所有边界像素有同样灰度值（“same intensity”），算法就可以从这些边界白色像素，检测到目标物体的边界（黑色像素作为背景会被忽略）.轮廓算法的准确率和质量高度取决于二进制图像的质量
3.**findContours()**方法检测像素
cv.findContours( image, mode, method[, contours[, hierarchy[, offset]]] ) -> contours, hierarchy image 数据源，8位（每个像素用8位来表示，即每个像素的亮度值范围在0到255之间）的单通道图像
contours 每个轮廓被存为点的向量
hierarchy 用来存储轮廓的层级信息，包含图像拓扑学信息
4.drawContours 画出边缘
包含四个必要参数和一些可选参数。
图像image：源
轮廓contours：
轮廓索引contourIdx：-1代表所有轮廓
color:你想画出轮廓的线条颜色
thickness:轮廓点的厚度检测轮廓算法速度比较
**
层级详解
findContours返回的hierarchy
原图：
检索轮廓参数：
CHAIN_APPROX_SIMPLE压缩了水平，垂直，对角线段，只留下端点。这意味着沿直线路径的任何点都将被忽略，我们将只剩下端点。比如矩阵的轮廓只留下四个角点
CHAIN_APPROX_NONE：保留全部轮廓点
不同轮廓的检索技术：
RETR_TREE：提取所有轮廓并重建轮廓的整个层级结构，每个轮廓包含子类信息
Next, Previous, First_Child, and Parent
RETR_LIST ：提取所有的轮廓，但不建立轮廓的整体层级关系。
hierarchy：
RETR_EXTERNAL ：提取最外层的轮廓
RETR_CCOMP：提取所有轮廓
所有外在轮廓层级为一
所有内在轮廓层级为二
廓并将其组织成两级层次结构。顶层轮廓表示对象的外部边界，而内部轮廓表示对象内部的孔洞边界。
代码
"""
Contour detection and drawing using different extraction modes to complement
the understanding of hierarchies
"""
image2 = cv2.imread('input/custom_colors.jpg')
img_gray2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
ret, thresh2 = cv2.threshold(img_gray2, 150, 255, cv2.THRESH_BINARY)
contours3, hierarchy3 = cv2.findContours(thresh2, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE)
image_copy4 = image2.copy()
cv2.drawContours(image_copy4, contours3, -1, (0, 255, 0), 2, cv2.LINE_AA)
# see the results
cv2.imshow('LIST', image_copy4)
print(f"LIST: {hierarchy3}")
cv2.waitKey(0)
cv2.imwrite('contours_retr_list.jpg', image_copy4)
cv2.destroyAllWindows()
