内容来自OpenCV-Python Tutorials 自己翻译整理

目标：
轮廓的层次结构、父子关系

原理：
使用cv2.findContours函数查找轮廓时需要传入一个轮廓提取模式的参数（Contour_Retrieval_Mode），通常设置为cv2.RETR_LIST 和 cv2.RETR_TREE。代表什么意思？
结果会得到三个数组，第一个是图像，第二个是轮廓，第三个是层次结构，下面要讨论关于层次结构。

啥是层次结果？
使用函数 cv2.findContours查找轮廓时，图片中的对象可能位于不同位置。如果有一个形状在另外一个形状的内部，这时称在外部的形状为父，内部形状为子孙。如此下来，图像中的轮廓建立了父子关系。如下面例子。

图中有一堆编号，0-5。其中2和2a代表最外层矩形的外轮廓和内轮廓。
轮廓0,1,2在外部或者最外部。可以称之为0级，也就是这些轮廓属于同一级。（没出现被别的轮廓套圈的现象）
下面的轮廓2a，被当成2号轮廓的子轮廓。该轮廓为1级轮廓。同理，轮廓3是轮廓2的自轮廓，为第三级，轮廓4,5位3a的自轮廓，为第四级。
综上，轮廓的层次结构大概分为外轮廓、子轮廓、父轮廓。

opencv中的层次结构
无论任何层次结构，每个轮廓都有自己的父子关系。opencv中使用含有四个元素的数组表示[Next ，Previous ，First_Child ，Parent]

• Next表示同一级组织结构中的下一个轮廓，上图中轮廓0为例子，轮廓1就是轮廓0的Next。轮廓2在同一级没有Next，此时Next为-1
• Previous表示同一级的前一个轮廓，轮廓1的Previous为轮廓0，轮廓0的Previous不存在，为-1。
• First_Child表示第一个子轮廓，轮廓2的子轮廓为2a，轮廓3a的子轮廓有两个，但是第一个是轮廓4.
• Parent表示父轮廓，与First_Child相反即可
  

综上，没有父子结构，结果就是-1

轮廓查找模式

RETR_LIST：
最简单的基本方式，只提取所有轮廓，不建立父子关系。即所有轮廓都属于同一级。
所以，在此模式下。组织结构数组的第3,4个参数都是-1。但是，Next和Previous要有对应值。如下结果，第一行对应轮廓0，下一行对应轮廓1，所以Next=1，前面没有其他轮廓，所以Previous=0。剩下的两个参数是-1，如之前所说的。

>>> hierarchy

array([[[ 1, -1, -1, -1],

        [ 2, 0, -1, -1],

        [ 3, 1, -1, -1],

        [ 4, 2, -1, -1],

        [ 5, 3, -1, -1],

        [ 6, 4, -1, -1],

        [ 7, 5, -1, -1],

        [-1, 6, -1, -1]]])

如果不需要轮廓的关系，可以使用此参数

RETR_EXTERNAL：

只返回最外边的轮廓，所有子轮廓会忽略。

上图使用此模式只返回最外的第0级轮廓，即轮廓0,1,2.

结果如下：

>>> hierarchy

array([[[ 1, -1, -1, -1],

        [ 2, 0, -1, -1],

        [-1, 1, -1, -1]]])

RETR_CCOMP：
此模式会返回所有轮廓，并分为两级结构。
一个对象的外轮廓为第一级结构，对象内部中空洞的轮廓为第二级结构，空洞中的任何对象的轮廓又是第一级结构。例如，黑底白字的数字0的图像，0的外边界属于第一级组织结构，0的内部属于第二级组织结构。

绿色为组织结构。
考虑轮廓0，它为第一级。其中有两个空洞1和2，它们属于第二级。所以和轮廓0属于用一级的为下一个(Next）轮廓为轮廓3，且没有Previous。它的First_Child为轮廓1，组织结构为2。由于它是第 1 级，所以没有父轮廓。因此它的组织结构数组为[3，-1，1，-1]。
考虑轮廓1，它属于第二级。同一级的轮廓又轮廓2，没有Previous也没有Child，父轮廓为0.所以结构为[2，-1，-1，0]。
轮廓 2：它是第 2 级。在同一级的组织结构中没有 Next。Previous 为轮
廓 1。没有子，父轮廓为 0，所以数组是 [-1，1，-1，0]
轮廓 3：它是第 1 级。在同一级的组织结构中 Next 为 5。Previous 为
轮廓 0。子为 4，没有父轮廓，所以数组是 [5，0，4，-1]
廓 4：它是第 2 级。在同一级的组织结构中没有 Next。没有 Previous，
没有子，父轮廓为 3，所以数组是 [-1，-1，-1，3]

结构如下：

>>> hierarchy

array([[[ 3, -1, 1, -1],

        [ 2, -1, -1, 0],

        [-1, 1, -1, 0],

        [ 5, 0, 4, -1],

        [-1, -1, -1, 3],

        [ 7, 3, 6, -1],

        [-1, -1, -1, 5],

        [ 8, 5, -1, -1],

        [-1, 7, -1, -1]]])

RETR_TREE：
此模式返回所以轮廓，并且创建完整组织列表。告诉你爷爷、父亲、儿子、孙子的关系。
橙色为轮廓序号，绿色为组织结构。

轮廓 0 的组织结构为 0，同一级中 Next 为 7，没有 Previous。子轮廓是 1，没有父轮廓。所以数组是 [7，-1，1，-1]。
轮廓 1 的组织结构为 1，同一级中没有其他，没有 Previous。子轮廓是2，父轮廓为 0。所以数组是 [-1，-1，2，0]。

计算结果如下:

>>> hierarchy

array([[[ 7, -1, 1, -1],

        [-1, -1, 2, 0],

        [-1, -1, 3, 1],

        [-1, -1, 4, 2],

        [-1, -1, 5, 3],

        [ 6, -1, -1, 4],

        [-1, 5, -1, 4],

        [ 8, 0, -1, -1],

        [-1, 7, -1, -1]]])

奈斯，优秀