【參考】opencv文檔
Contours Hierarchy
關於邊界的繼承結構，例如邊界的父子結構
使用 cv2.findContours()，我們需要選擇邊界回溯模式，例如：cv2.RETR_LIST 或者 cv2.RETR_TREE
函數得到的三個數組，第一個是圖片，第二個是邊界，第三個是繼承結構 hierarchy，一般我們都只用後面兩個。
形式如：
python:
contours, hierarchy = cv2.findContours(img,
cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
有時一些圖片對象在不同的位置上，但有時候，一些圖形會在另一些圖形之中，被包含在內部。
例如：黑色區域就被包含在白色區域中，而白色區域外面又有黑色區域，這樣就把外層稱爲是 父層(紅色)，內層稱爲是孩子層（綠色）。
這樣一來，我們就可以找出不同的形狀間的關係了，例如我們可以分辨出一個邊界是如何和其他邊界聯繫的了，例如它是否是一些邊界的父邊界，或者是另一些邊界的孩子邊界，這就叫做hierarchy
例如：
說明：
在這張圖片裏，0，1，2邊界是最外層的邊界，稱爲0層（綠色），或者簡單地說，他們在同一層次上（沒有互相之間的包含關係）
下一層是2a，它是層2的子層，注意是白框內部的部分！我們這裏說的一直是邊界！！所以它是層1（粉色）。
類似的，邊界3是2a的子層，是層2（藍色），
3a是3的子層，是層3（紅色）
最後是4，5層，他們是3a層的子層，是最後一層，是層4（黃色）
所以每個邊界都有關於它是哪一個層次的信息，記錄結構爲：[Next, Previous, First_Child, Parent]
[下一個，上一個，第一個孩子層，父層（上一層）]
參考java版本：Java OpenCV findContours函數RETR_CCOMP輪廓順序
ds[0]->同層級的下一個輪廓(不存在爲-1)
ds[1]->同層級的上一個輪廓(不存在爲-1)
ds[2]->第一個子輪廓(不存在爲-1)
ds[3]->父輪廓(不存在爲-1)
例如：
對於邊界0，它的下一個同級邊界是邊界1，上一個同級輪廓沒有，第一個子輪廓沒有，沒有父輪廓，所以是
[1,-1,-1,-1]
邊界2的上一個同級邊界是邊界1，下一個同級邊界沒有，第一個子輪廓是2a，沒有父輪廓，所以是
[-1,1,2a,-1]
不同的邊界flag表示不一樣的意思：
cv2.RETR_LIST, cv2.RETR_TREE, cv2.RETR_CCOMP, cv2.RETR_EXTERNAL
1. RETR_LIST
父子結構都不管了，他們只是單純的邊界結構，他們都屬於同一層。所以得到的結果是：
>>> hierarchy
2 array([[[ 1, -1, -1, -1],
3 [ 2, 0, -1, -1],
4 [ 3, 1, -1, -1],
5 [ 4, 2, -1, -1],
6 [ 5, 3, -1, -1],
7 [ 6, 4, -1, -1],
8 [ 7, 5, -1, -1],
9 [-1, 6, -1, -1]]])
2. RETR_EXTERNAL
這個模式只返回外層邊界，所有的子層都不要了
在這個規則下，只考慮“最老的人”，其他人全都不考慮。
1 >>> hierarchy
2 array([[[ 1, -1, -1, -1],
3 [ 2, 0, -1, -1],
4 [-1, 1, -1, -1]]])
當你只要外層邊界的時候，這個標誌位很有用。
3. RETR_CCOMP
這個標誌會返回全部的邊界，但是會把它們分爲兩層，可以算是一種簡化吧，例如：
用兩種顏色標誌就是下面這樣的：一層綠色一層粉色
所以可以看到只有兩層結構，要麼是外層要麼是裏層，
1 >>> hierarchy
2 array([[[ 3, -1, 1, -1],
3 [ 2, -1, -1, 0],
4 [-1, 1, -1, 0],
5 [ 5, 0, 4, -1],
6 [-1, -1, -1, 3],
7 [ 7, 3, 6, -1],
8 [-1, -1, -1, 5],
9 [ 8, 5, -1, -1],
10 [-1, 7, -1, -1]]])
注意：
ds[0]->同層級的下一個輪廓(不存在爲-1)
ds[1]->同層級的上一個輪廓(不存在爲-1)
ds[2]->第一個子輪廓(不存在爲-1)
ds[3]->父輪廓(不存在爲-1)
這裏爲什麼父層不是爲0或者-1呢？
因爲每層標誌都必須用真實標誌，所以層也要按照父子關係來，需要用每一層的真實標號。
如果只想顯示父層或者子層，可以通過層與層記錄之間的關係來達到，隔一層記錄一次，或者僅僅遍歷某層之間的上一個和下一個。
例如，
從hierachy[0][0][0]開始，有上一個輪廓不存在，下一個輪廓是3，
所以查詢輪廓hierachy[0][0][3]，可見[ 5, 0, 4, -1]，同級別的下一個輪廓是5，查詢hierachy[0][0][5]，下一個輪廓是hierachy[0][0][7] [ 8, 5, -1, -1],，下一個輪廓是hierachy[0][0][8]， [-1, 7, -1, -1]，下一個輪廓是-1不存在，得到了0，3，5，7，8，都是一層，和圖片相符，而且有子輪廓，是外層（父層）
同理，1，2，4，6是一層，都是子層（內層）
代碼實現：
OpenCV中findContours輪廓提取一個邊緣只對應的一個輪廓
opencv輪廓提取的時候，圖像中一條邊緣有查找到兩個輪廓。當然只提取最外輪廓是不會出現重複情況，但設置提取所有輪廓會出現兩個輪廓，對於利用得到的輪廓進一步處理帶來不必要的麻煩，所以需要從一條輪廓開始，然後找他的同級鏈，直到找到結尾。
這樣的處理方式就不會有雙層輪廓的問題了。
由於截圖有些噪點，邊框白色部分又比較小，顯示出來的效果一般。
當我把圖片反轉爲~img時，用於檢測表格：
表格檢測代碼：
import cv2
if __name__ =='__main__':
image = cv2.imread('mask1.jpg')
img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
img = cv2.adaptiveThreshold(~img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)
contours,hierachy = cv2.findContours(img, cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
# 查找內層的例子：
i=0
hierach_id = 0
inner_class =[]
# 一直搜索到找到沒有子輪廓的結構，且注意搜索長度不能超過邊界數目
while(hierachy[0][i][2]!=-1 and hierachy[0][i][1]==-1 and i<len(contours) and hierachy[0][i][3]!=-1):
hierach_id = i
i+=1
print(hierach_id,hierachy[0][hierach_id])
while(hierachy[0][hierach_id][0]!=-1):
inner_class.append(contours[hierach_id])
hierach_id=hierachy[0][hierach_id][0]
print(hierach_id,hierachy[0][hierach_id])
for cnt in inner_class: # 畫圖
cv2.drawContours(image,[cnt],0,(122,122,0),3)
cv2.imshow('img',image)
cv2.waitKey(10000)
把
img = cv2.adaptiveThreshold(~img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)
改爲：
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)
也就是圖片黑白反轉回來就是檢測外側邊框了：
最後一個4. RETR_TREE
It even tells, who is the grandpa, father, son, grandson and even beyond… 😃.
也就說，保存了全部的層次結構，
例如:
得到的結構：
1 >>> hierarchy
2 array([[[ 7, -1, 1, -1],
3 [-1, -1, 2, 0],
4 [-1, -1, 3, 1],
5 [-1, -1, 4, 2],
6 [-1, -1, 5, 3],
7 [ 6, -1, -1, 4],
8 [-1, 5, -1, 4],
9 [ 8, 0, -1, -1],
10 [-1, 7, -1, -1]]])
用途：
ds[0]->同層級的下一個輪廓(不存在爲-1)
ds[1]->同層級的上一個輪廓(不存在爲-1)
ds[2]->第一個子輪廓(不存在爲-1)
ds[3]->父輪廓(不存在爲-1)
這個其實就可以隨意diy使用了，想要哪層要哪層，
保存了全部的信息，
如果需要查找最裏面的孔洞，直接找
hierachy[0][i][2]==-1 and hierachy[0][i][1]==-1
的層就行。
例如下面的圖片：
這是用 RETR_CCMP標誌位得到的。但是，現在我不需要紅色標註的邊界，我需要綠色標註的邊界，也就是最小的方格子裏面的內容。
如何獲取這些內容呢？
首先我們觀察到，他們都是最裏層，所以有：
# 無子輪廓 無上一個輪廓，找到同輩的起點
hierachy[0][i][2]==-1 and hierachy[0][i][1]==-1
找到第一個最內層，然後找尋它的同層就好了。
——理論上是這樣，然而經過反覆實驗：
很明顯的其中有一些邊框是存在子結構的，
但是hierachy[0][i][2]也是-1,
可能這個標誌位的註釋和實現其實也是存在問題的吧。。
即使用自己生成的基本無噪點的圖片也不行：
而且仔細看，還有兩條重複的邊緣，不知道是什麼意思。。。
可能還是得看opencv的源碼才能揭開這個未解之謎了。
不過好事情是，我們還有其他方法來提取這些小格子，例如，先近似爲矩形，利用cv2.approxPolyDP(contour, 3, True) # 趨近矩形 然後再計算是否有重疊，有重疊的就不是小格子，沒有重疊的就是最小的格子。
圖上我們就可以看到，格子之間不是重疊的，某些邊緣可能包含了這些格子，但恰巧這些邊緣都是我們不要的。
用這樣的辦法去除非小格子的部分。
還有許多其他辦法，我就不一一贅述了。
具體實現我做好了，由於項目相關，這個又比較簡單，我就不單獨寫了。
最內層搜索代碼：
import cv2
if __name__ =='__main__':
image = cv2.imread('test2.jpg')
img = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 15, -2)
contours,hierachy = cv2.findContours(img, cv2.RETR_CCOMP,cv2.CHAIN_APPROX_SIMPLE)
# 查找最內層的例子：
hierach_ids = []
inner_class =[]
# 一直搜索到找到沒有子輪廓的結構，且注意搜索長度不能超過邊界數目，且需要找到第一個,
# 這樣的邊界可能有多個，因爲不存在包含的關係，需要完整的搜索。
for i in range(len(contours)):
if(hierachy[0][i][2]==-1 and hierachy[0][i][1]==-1):
hierach_ids.append(i)
for hierach_id in hierach_ids:
print(hierachy[0][hierach_id])
inner_class.append(contours[hierach_id])
idx = hierachy[0][hierach_id][0]
while(hierachy[0][idx][0]!=-1):
inner_class.append(contours[idx])
idx=hierachy[0][idx][0]
print(hierachy[0][idx])
for cnt in inner_class:
cv2.drawContours(image,[cnt],0,(122,122,0),2)
cv2.imshow('img',image)
cv2.waitKey(10000)
cv2.imwrite('save.png',image)
用contours做連通域掩膜
拓展連接：用contours做連通域掩膜
findContour的規律：
規律
只有將內部輪廓全部找出才繼續進行同級輪廓查找
結論
1. 不同層級的輪廓順序從裏到外
2. 同級輪廓根據輪廓最上像素點Y座標從大到小排序（圖片的從下到上），若存在Y座標相同情況下根據X座標從大到小排序（圖片的從右到左）
3. 若一個輪廓內有子輪廓，回先查找該輪廓的所有子輪廓後纔會繼續同級輪廓的查找。（有點像深搜）
4. RETR_TREE是分層的所以同層級的下一個輪廓(ds[0])，同層級的上一個輪廓(ds[1])需要注意是否爲同級輪廓