OpenCV Findcontours( ) 函数原理出自于该论文的算法：Suzuki, S. and Abe, K., TopologicalStructural Analysis of Digitized Binary Images by Border Following.CVGIP 30 1, pp32-46 (1985)

经过证实的资料：

首选：https://zhuanlan.zhihu.com/p/144807771 如果能看懂，就基本理解

看不懂可以再看：https://zhuanlan.zhihu.com/p/107257870

谢谢大牛分享。

下面记录在学习中的坑：

1、注意搜索的时候顺时针、逆时针的地方，否则就会得到不同的结果；

2、实际论文算法是得不到里面例子那个结果的，需要参考首选链接里的这段处理才可以得到相同结果：

后来想了一段时间，这里对像素左边和右边同时为0的情况，应该做特殊处理。因为轮廓是逆时针寻找，那么可以通过寻找的方位判断该赋值NBD还是-NBD，如果是从上往下扫的，则为NBD，如果是从下往上扫描的，则赋值-NBD。（具体实现可以参考代码）

3、关于轮廓的父子关系，也就是论文中的这个表，看当前轮廓类型（在步骤1里确定），然后看之前的轮廓类型来确定，例如，当前轮廓类型为Outer border，最近一次轮廓类型为Outer Border，则当前轮廓为最近一次轮廓的父轮廓，其它类似：

4、判定某个点是是否搜索过从每次轮廓开始搜索时候算，一旦NBD+1了，则重新开始算搜索没搜索过，不是历史上搜索没搜索过；

5、关于类似（i2，j2）<-(i,j)这样的话的意思是说，i2=i，j2= j的意思，直接赋值就可以了，没有特殊的意思；

6、轮廓父子关系确定，轮廓序号确定，然后根据算出来的图，可以得到轮廓情况和轮廓类型，是上面文里没说的，算出这个轮廓序号图之后再怎么操作的问题；

下面补充一下findcontours的用法：

在C++中是这么说的；

findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              OutputArray hierarchy, int mode,  
                              int method, Point offset=Point()); 

 第一个参数image，是输入图像，需要是uint8的图像，但是这个图像要求，非零的都是1，即非零即1，一般是经过处理得到的二值图像；

第二个参数contours，是输出的轮廓，每一个轮廓用std::vector<std::vector<cv::Point> >来存储； 

第三个参数hierarchy，是输出的轮廓关系的存储；

第四个参数mode，定义检测出来的轮廓是什么，对contours和hierarchy都有影响，要根据实际应用选择：

CV_RETR_EXTERNAL：只有最外层轮廓；

CV_RETR_LIST  ： 检测所有的轮廓，但是轮廓之间都是单独的，没有父子关系；

CV_RETR_CCOMP ： 检测所有的轮廓，但所有轮廓只建立两个等级关系；如果超过两个等级关系的，从顶层开始每两层分解成一个轮廓；

CV_RETR_TREE ： 检测所有轮廓，所有轮廓按照真实的情况建立等级关系，层数不限；

第五个参数method ，定义输出的轮廓是不是要经过一些处理：

CHAIN_APPROX_NONE ：算出来的轮廓不经过处理，算出来是啥就是啥；

CHAIN_APPROX_SIMPLE：压缩轮廓，把横竖撇捺都压缩得只剩下顶点；

CHAIN_APPROX_TC89_L1：用Teh-Chin chain approximation algorithm的一种算法压缩轮廓；

CHAIN_APPROX_TC89_KCOS：用Teh-Chin chain approximation algorithm的另一种算法压缩轮廓；

第六个参数offset：是输出轮廓的偏移量，视情况使用吧；

在python中参数意思是一样的，但是使用方法如下：

contours, hierarchy = cv2.findContours(np.uint8(img),cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

参考：

1、OpenCV帮助文档

2、Suzuki, S. and Abe, K., TopologicalStructural Analysis of Digitized Binary Images by Border Following.CVGIP 30 1, pp32-46 (1985)