为了能好的体现函数，使用画板又画了一幅图像用来轮廓检测
运行上一节的笔记代码，可以检测出来形状的轮廓。
边界矩形可以将某一边界使用矩形绘制出来，确定一个矩形需要四个点，因此使用函数：
def f_contours():"""轮廓查找与绘制:return:"""img = cv.imread("bound.png")# draw会改变原图，这里做一个备份img_copy = imgdraw_img = img.copy()# 转化呢灰度图gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 阈值二值化处理ret, thresh = cv.threshold(gray, 100, 255, cv.THRESH_BINARY)cv_show(thresh)# 这个函数只支持接收单颜色通道图像，否则报错contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)result = cv.drawContours(img_copy, contours, -1, (0, 0, 255), 2)cv_show(result)cnt = contours[0]# 这个函数确定边界的四个点x,y,w,h = cv.boundingRect(cnt)img = cv.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)cv_show(img)
效果如图：
外接圆的使用换成外接圆的函数即可：
cnt = contours[3](x, y), radius = cv.minEnclosingCircle(cnt)# 圆心center = (int(x), int(y))radius=int(radius)img = cv.circle(img, center, radius, (0, 255, 0), 2)cv_show(img)
效果如图：
二、模板匹配
假设当前有一块图片块属于完整图片的某一部分，现想确认其是否属于这张图片内的内容，属于图片的哪一个位置。其方法就是判别当前模板和图片划分出来的部分匹配的相关性，可以使用相关性来判断两图片的相似度。
参考：/gezhuangzhuang/p/10724769.html
