# coding:utf8

 import cv2

 import numpy as np

 # 创建一个200*200 的黑色空白图像

 img = np.zeros((200, 200), dtype=np.uint8)

 # 在图像的中央位置 放置一个100*100的白色方块

 img[50:150, 50: 150] = 255

 cv2.imshow("image", img)

 # 二值化操作

 ret, thresh = cv2.threshold(img, 127, 255, 0)

 """

 ret, dst = cv2.threshold(src, thresh, value, type)

 参数:

     src: 原图像

     thresh: 阈值

     value: 新值 大于或小于阈值的值将赋新值

     type: 方法类型，有如下取值：

         cv2.THRESH_BINARY 黑白二值

         cv2.THRESH_BINARY_INV 黑白二值翻转

         cv2.THRESH_TRUNC 得到多像素值

         cv2.THRESH_TOZERO

         cv2.THRESH_TOZERO_INV

 返回值：

     ret: 得到的阈值值

     dst: 阈值化后的图像

 """

 # 得到 修改后的图像， 轮廓， 轮廓的层次

 image, contours, hierarchy = cv2.findContours(

     thresh,

     cv2.RETR_TREE,

     cv2.CHAIN_APPROX_SIMPLE

 )

 """

 img, contours, hierarchy =  cv2.findContours(输入图像, 层次类型, 逼近方法)

 参数：

     输入图像： 该方法会修改输入图像，建议传入输入图像的拷贝

     层次类型：

         cv2.RETR_TREE 会得到图像中整体轮廓层次

         cv2.RETR_EXTERNAL 只得到最外面的轮廓

     逼近方法：

 返回值：

     img: 修改后的图像

     contours: 图像的轮廓

     hierarchy: 图像和轮廓的层次

 """

 # 原图像转换成bgr图像

 color = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

 # 用绿色 在原图像上画出轮廓

 img = cv2.drawContours(color, contours, -1, (0, 255, 255), 2)

 cv2.imshow("contours", color)

 cv2.waitKey()

 cv2.destroyAllWindows()