from:http://blog.sina.com.cn/s/blog_4bc179a80100hs50.html
函数cvFindContours从二值图像中检索轮廓，并返回检测到的轮廓的个数。first_contour的值由函数填充返回，它的值将为第一个外轮廓的指针，当没有轮廓被检测到时为NULL。其它轮廓可以使用h_next和v_next连接，从first_contour到达。
int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
intheader_size=sizeof(CvContour), int mode=CV_RETR_LIST,
intmethod=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) );
image
8比特单通道的源二值图像。非零像素作为1处理，0像素保存不变。从一个灰度图像得到二值图像的函数有：cvThreshold，cvAdaptiveThreshold和cvCanny。
storage
返回轮廓的容器。
first_contour
输出参数，用于存储指向第一个外接轮廓。
header_size
header序列的尺寸.如果选择method = CV_CHAIN_CODE, 则header_size >= sizeof(CvChain)；其他，则
header_size >= sizeof(CvContour)。
mode
检索模式，可取值如下：
CV_RETR_EXTERNAL：只检索最外面的轮廓；
CV_RETR_LIST：检索所有的轮廓，并将其放入list中；
CV_RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界；
CV_RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次。
method
边缘近似方法（除了CV_RETR_RUNS使用内置的近似，其他模式均使用此设定的近似算法）。可取值如下：
CV_CHAIN_CODE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
CV_CHAIN_APPROX_NONE：将所有的连码点，转换成点。
CV_CHAIN_APPROX_SIMPLE：压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。
CV_CHAIN_APPROX_TC89_L1，CV_CHAIN_APPROX_TC89_KCOS：使用the flavors of Teh-Chin chain近似算法
的一种。
CV_LINK_RUNS：通过连接水平段的1，使用完全不同的边缘提取算法。使用CV_RETR_LIST检索模式能使用此方法。
offset
偏移量，用于移动所有轮廓点。当轮廓是从图像的ROI提取的，并且需要在整个图像中分析时，这个参数将很有用。
讨论部分cvDrawContours中的案例显示了任何使用轮廓检测连通区域。轮廓可以用于形状分析和目标识别——可以参考文件夹OpenCV sample中的squares.c。
from:http://blog.csdn.net/hz_kevin88/article/details/7775654
最近做连通域分析
最初想自己写，发现好多东西居然不知道怎么做，比如说怎么找内轮廓等
于是改用cvBlobslib，发现他的架构还是不错的，不过很不爽的，让我发现了几处内存泄露，然后实际得到的轮廓似乎也比真正的轮廓少一圈，此外就是这个命名一塌糊涂，费了我好一段时间才大体搞明白，还是决定放弃
最后没办法，只好用cvFindContours来代替了
cvFindContours(
CvArr* image,
CvMemStorage* storage,
CvSeq** first_contour,
int header_size CV_DEFAULT(sizeof(CvContour)),
int mode CV_DEFAULT(CV_RETR_LIST),
int method CV_DEFAULT(CV_CHAIN_APPROX_SIMPLE),
CvPoint offset CV_DEFAULT(cvPoint(0,0)));
有几个参数意思比较明显，这里就不再多说了
重点解释一下mode ,method这两处
mode 有下面四个
#define CV_RETR_EXTERNAL 0
#define CV_RETR_LIST 1
#define CV_RETR_CCOMP 2
#define CV_RETR_TREE 3
其中External 和觉得就是找外轮廓（如果一个物体内部有空洞的话，很自然的有内轮廓）然后用contour->h_next遍历就行了
CV_RETR_LIST这种形式是不管外轮廓还是内轮廓通通以list的形式存储，这时我们可以用cvContourArea来求轮廓的面积，如果是外轮廓的话，面积应该是负的，反之，面积应该是正的，遍历时也用contour->h_next就行了
CCOMP就是找轮廓的连通域，没有空洞的话，就是只有外轮廓了，有空洞的话，也有内轮廓（他与下面的CV_RETR_TREE 不同的是，CCOMP只包含一层嵌套，也即一个外轮廓只包含一个内轮廓，而CV_RETR_TREE会包含好多层）
用contour->h_next遍历的是外轮廓，在每一个外轮廓里，求一次contour->v_next得到他所包含的内轮廓即可
CV_RETR_TREE 是以树的形式来表示，把内轮廓作为包含他的外轮廓的child，
用contour->h_next遍历的是外轮廓，在每一个外轮廓里，遍历contour->v_next得到他所包含的内轮廓
method
#define CV_CHAIN_CODE 0
#define CV_CHAIN_APPROX_NONE 1
#define CV_CHAIN_APPROX_SIMPLE 2
#define CV_CHAIN_APPROX_TC89_L1 3
#define CV_CHAIN_APPROX_TC89_KCOS 4
#define CV_LINK_RUNS 5
好象主要是轮廓所包含点的存储形式，我就知道
CV_CHINA_CODE和CV_CHIAN_APPROX_SIMPLE两种
一般我们只要用CV_CHIAN_APPROX_SIMPLE就可以了，在这种格式下，貌似轮廓就是以点集的形式来表示。
然后再说一下cvDrawContours
cvDrawContours( CvArr *img, CvSeq* contour,
CvScalar external_color, CvScalar hole_color,
int max_level, int thickness CV_DEFAULT(1),
int line_type CV_DEFAULT(8),
CvPoint offset CV_DEFAULT(cvPoint(0,0)));
其他参数比较好理解
主要说一下max_level
我感觉这个max_level主要还是和轮廓之间的嵌套相关
1 r
0 e e e
-1 i1 i1 i1 i1
-2 i2 i2 i2 i2
-3 i3 i3
最顶层的是root，包含所有的外轮廓，level是1
然后是外轮廓 level是0
然后是外轮廓包含的内轮廓 level是-1
然后是外轮廓包含的内轮廓包含的轮廓 level是-2
。
。
。
cvDrawContours绘制的是（maxlevel）以上的
所有如果maxlevel是1，则一次画完所有的外轮廓
如果maxlevel是0，则只画当前轮廓的外轮廓
如果maxlevel是-1，则绘制当前轮廓的外轮廓及他的下一层子轮廓
依次类推
-
int cvFindContours(CvArr* image, CvMemStorage* storage, CvSeq** first_contour,
int header_size=sizeof(CvContour), int mode=CV_RETR_LIST, intmethod=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,
0))¶ -
Finds the contours in a binary image.
Parameters: - image – The source, an 8-bit single channel image. Non-zero pixels are treated as 1’s, zero pixels remain 0’s - the image is treated as binary .
To get such a binary image from grayscale, one may use Threshold , AdaptiveThreshold or Canny .
The function modifies the source image’s content - storage – Container of the retrieved contours
- first_contour – Output parameter, will contain the pointer to the first outer contour
- header_size – Size of the sequence header,
if 
,
and
otherwise - mode –
Retrieval mode
- CV_RETR_EXTERNAL retrives only the extreme outer contours
- CV_RETR_LIST retrieves all of the contours and puts them in the list
- CV_RETR_CCOMP retrieves all of the contours and organizes them into a two-level hierarchy: on the top level are the external boundaries of the components, on the second level are the boundaries of the holes
- CV_RETR_TREE retrieves all of the contours and reconstructs the full hierarchy of nested contours
- method –
Approximation method (for all the modes, except CV_LINK_RUNS ,
which uses built-in approximation)- CV_CHAIN_CODE outputs contours in the Freeman chain code. All other methods output polygons (sequences of vertices)
- CV_CHAIN_APPROX_NONE translates all of the points from the chain code into points
- CV_CHAIN_APPROX_SIMPLE compresses horizontal, vertical, and diagonal segments and leaves only their end points
- CV_CHAIN_APPROX_TC89_L1,CV_CHAIN_APPROX_TC89_KCOS applies one of the flavors of the Teh-Chin chain approximation algorithm.
- CV_LINK_RUNS uses a completely different contour retrieval algorithm by linking horizontal segments of 1’s. Only the CV_RETR_LISTretrieval
mode can be used with this method.
- offset – Offset, by which every contour point is shifted. This is useful if the contours are extracted from the image ROI and then they should be analyzed in the whole image context
- image – The source, an 8-bit single channel image. Non-zero pixels are treated as 1’s, zero pixels remain 0’s - the image is treated as binary .
The function retrieves contours from the binary image using the algorithm Suzuki85 . The contours are a useful tool for shape analysis and object detection and recognition.
The function retrieves contours from the binary image and returns the number of retrieved contours. The pointer first_contour is
filled by the function. It will contain a pointer to the first outermost contour or NULL if no contours
are detected (if the image is completely black). Other contours may be reached from first_contourusing
the h_next and v_next links.
The sample in the DrawContours discussion shows how to use contours
for connected component detection. Contours can be also used for shape analysis and object recognition - see squares.c in
the OpenCV sample directory.
Note: the source image is modified by this function.