需求目的：一般都是做项目时使用opencv的findcontours和drawcontours搭配使用抓取图像内感兴趣区域。
1.Contours函数轮廓点大小排序
当使用findcontours后一般返回是contours, hierarchy两个，contours内包含的是根据设定模式所返回的轮廓。
最常使用：cv2.RETR_EXTERNAL，此模式只检测外轮廓。（输入图像必须先转灰度图再转二值图，这部分的阈值处理必须做好，调整好系数，使图像达到最理想的状态）
contours的类型为列表，contours[0]存储的是轮廓的高h，contours[1]存储的是轮廓的宽w，因此可使用contours.sort（key=所需轮廓的规则，reverse=False）方法接drawcontours可对区域进行提取，其中reverse=False为升序，True为降序。
当想挑选出所有轮廓点中最小和最大值可这么写（axis是维度）：
print("最小的h：",min(np.min(contours[0],axis=2)))print("最小的w：",min(np.min(contours[1],axis=2)))print("最大的h：",max(np.max(contours[0],axis=2)))print("最大的w：",max(np.max(contours[1],axis=2)))
此时如果处理好了，这就是轮廓的最大外接矩形的左上角和右下角，可通过切割法对图像进行切割;
fimg = img[int(minh):int(maxh),int(minw):int(maxw)]
显示图像可发现ROI被裁减出来。
2.输出contours类型
如果各位没有明白，那么咱们一点点来，先要确定的是contours到底是什么类型的，怎么用？
print("contours:类型：", type(contours))print("第0 个contours:", type(contours[0]))
输入上述代码，可显示contours和contours[0]的类型，知道了对应类型，就知道该使用怎样的方式去用。
3.contours数量
print("contours 数量：", len(contours))
输出contours的数量也是十分重要的技巧之一，观察图像和我们输出的轮廓数量，从而分析现阶段处理的轮廓是不是我们理想的情况。（我目前的项目是轮廓数越少越好，更容易处理图像）
4.contours的具体内容
contours本身是列表类型，因此使用下面代码即可输出
print("counters:",contours[0])print("counters:",contours[1])
其中[0]代表高h，[1]代表宽w
5.contours轮廓点的个数
print("contours[0]点的个数：", len(contours[0]))print("contours[1]点的个数：", len(contours[1]))
（重要*）6.循环contours点形成最小外接矩形，并绘制从而进行其他操作。
通过Opencv的几何形状函数结合轮廓点进行图形绘制。此部分放到下一篇Opencv最小外接矩形函数部分给出详细说明及代码段。
本人尚才疏学浅，如有错误，欢迎指正与问题交流！
Opencv 图像处理-Contours函数提取轮廓及感兴趣区域ROI的必用且实用操作技巧-(涵盖Contours的一切使用基础 附代码段)
