当我们使用OpenCV进行图像处理时，有时需要检测图像中的轮廓。cv2.findContours()函数就是用于这个目的的。该函数会找到二值图像中的轮廓，并返回它们的坐标。
cv2.findContours()函数的返回值是一个轮廓列表，每个轮廓都是一个点集。这些点按照它们在图像中的顺序排列。但是，这些轮廓点集的顺序并不直观，因此我们通常需要一种方法来识别和区分不同的轮廓。这就是轮廓索引（或编号）的用途。
轮廓索引是一个整数，用于标识轮廓列表中的每个轮廓。每个轮廓都有一个唯一的索引，这样我们就可以轻松地引用和识别特定的轮廓。
当我们使用RETR_TREE作为轮廓检索模式时，索引的解析会更加复杂。RETR_TREE模式会创建一个完整的轮廓层次结构，这意味着一个大的轮廓可能包含其他小的轮廓作为子轮廓。在这种情况下，我们不能仅仅通过索引来识别一个轮廓，因为同一个索引可能对应于多个不同的轮廓（例如，一个大轮廓和它的一个子轮廓可能有相同的索引）。
为了解决这个问题，我们可以使用cv2.findContours()函数的另一个参数contourIdx。当contourIdx设置为None时，函数将返回所有检测到的轮廓，不论其索引值。这样，我们就可以遍历所有轮廓，并根据需要识别和区分它们。
总的来说，cv2.findContours()函数和RETR_TREE模式为我们在图像中检测和识别轮廓提供了强大的工具。通过正确解析和使用轮廓索引，我们可以有效地处理和分析图像中的轮廓。
本文来自极简博客，作者：代码工匠，转载请注明原文链接：cv2.findContours()轮廓索引（编号）解析（RETR_TREE）
