显示图像。

import cv2
img = cv2.imread('star.png')
cv2.imshow('pic', img)

img2 = cv2.Canny(img, 200, 300)
cv2.imshow('pic2', img2)


h = cv2.findContours(img2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
print(type(h[0]))
print(len(h[0]))
print(type(h[1]))

cv2.drawContours(img,h[0],-1,(0,0,255),4)
cv2.imshow('contours', img)


cv2.waitKey(0)
cv2.destroyAllWindows()

1. import cv2:
   导入 OpenCV 库，它是一个功能强大的图像处理和计算机视觉库。

2. img = cv2.imread('star.png'):
   使用 cv2.imread 函数读取名为 'star.png' 的图像文件，并将其存储在变量 img 中。img 是一个 NumPy 数组。

3. cv2.imshow('pic', img):
   使用 cv2.imshow 函数显示图像 img，窗口的标题是 'pic'。

4. img2 = cv2.Canny(img, 200, 300):
   使用 Canny 算法从图像 img 中检测边缘。Canny 算法是一个多级算法，用于从图像中准确地检测边缘。200 和 300 分别是该算法的低阈值和高阈值，用于确定边缘。

5. cv2.imshow('pic2', img2):
   显示经过 Canny 算法处理后的图像 img2，窗口标题是 'pic2'。

6. h = cv2.findContours(img2, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE):
   cv2.findContours 函数用于在二值图像 img2 中查找所有轮廓。cv2.RETR_EXTERNAL 表示只检索最外层的轮廓，cv2.CHAIN_APPROX_NONE 表示存储整个轮廓链，不执行轮廓近似。函数返回的 h 是一个包含两个元素的列表：

   • h[0] 是轮廓点的数组，
   • h[1] 是与轮廓相关的循环（或“层次”）数组。

7. print(type(h[0])):
   打印轮廓点数组 h[0] 的类型。

8. print(len(h[0])):
   打印轮廓点数组 h[0] 中轮廓的数量。

9. print(type(h[1])):
   打印轮廓层次数组 h[1] 的类型。

10. cv2.drawContours(img, h[0], -1, (0, 0, 255), 4):
    使用 cv2.drawContours 函数在原始图像 img 上绘制轮廓。h[0] 是要绘制的轮廓数组，-1 表示绘制所有轮廓，(0, 0, 255) 是轮廓的颜色（红色），4 是轮廓的粗细。

11. cv2.imshow('contours', img):
    显示绘制了轮廓的图像 img，窗口标题是 'contours'。

12. cv2.waitKey(0):
    等待用户按下任意键。0 表示无限期地等待按键输入。

13. cv2.destroyAllWindows():
    销毁所有由 OpenCV 创建的窗口。