本文將利用OpenCV的findContours函式，從找到的輪廓中來計算物件的面積，周長，邊界框等屬性，從而得到物體的寬度與高度。
一般來說，我們在進行輪廓檢測時，會先進行圖像二值化，將對象轉換為白色，背景為黑色。這樣，在找到輪廓後，輪廓的點就會以白色表示，背景為黑色。
結果圖
從圖中綠色框為物件的邊界框，由邊界框取得寬度與高度
結果圖
程式碼
import cv2
import numpy as np
# 讀取圖像
image = cv2.imread('image.png')
# 轉換為灰度圖像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 進行閾值處理或其他圖像預處理操作，以便得到二值圖像
_, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 尋找圖像中的輪廓
contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
print(contours)
# 循環遍歷所有輪廓
for contour in contours:
# 計算包圍輪廓的最小矩形
x, y, w, h = cv2.boundingRect(contour)
# 繪製矩形框
cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)
# 輸出寬度和高度
print(f"寬度: {w}, 高度: {h}")
# 顯示結果圖像
cv2.imshow('Result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
程式碼解說
contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
回傳的是白色像素點的座標，已(X.Y)列表的形式回傳
cv2.findContours 函數用於尋找二值圖像中的輪廓。
threshold 是二值圖像，即將圖像轉換為黑白兩色。
cv2.RETR_EXTERNAL 參數表示只檢測最外層的輪廓。cv2.CHAIN_APPROX_SIMPLE 參數表示只保留輪廓的端點坐標，節省內存。循環遍歷所有輪廓：
回傳的白色像素點的座標
儲存了左上，左下，右上，右下四個點的列表（list)。
找到的輪廓端點
對應到圖像中的位子
(在OpenCV 圖像中的座標(x,y)表示)，但numpy是(y,x)所以在做索引切片時要注意
numpy是(y,x)
若搞混這兩者的關係，會造成應用上許多的麻煩。
補充語法
contours, _ = cv2.findContours(image, mode, method)
contours 回傳的是依白色像素點的座標儲存的列表image : 圖像
mode: 輪廓檢索演算法
cv2.RETR_EXTERNAL：只檢測外層輪廓。
cv2.RETR_LIST：檢測所有輪廓並存在列表。
cv2.RETR_CCOMP：檢測所有輪廓，並組織成兩層層次結構。
cv2.RETR_TREE：檢測所有輪廓，並組織成樹狀結構。
