Python 有什么快速算法可以找到图形的最大外轮廓吗？

我有一个从scipy.measure.label获得的标记矩阵。现在，对于每个特征，我需要获得其外部轮廓。我试过cv2.findContours，但发现它与标签不符。我认为应该有一个简单的算法来实现这一点，但不幸的是，找不到。

对不起，我将行和列合并使用（为什么在opencv中它们的顺序相反？） 代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import cv2
import scipy
import numpy as np
from skimage import filters, feature, io
from skimage.color import rgb2grey
def find_bounds(im):
    edges1 = filters.scharr(im)
    gt=filters.threshold_otsu(edges1)
    edges1 = edges1>gt
    return scipy.ndimage.measurements.label(edges1)
def object_filter(img, considered):
    def func(t): return 255 if t==considered else 0
    func=np.vectorize(func)
    return func(img).astype('uint8')
im=io.imread('gesture.jpg')
im=rgb2grey(im)
labels, num_of_labels=find_bounds(im)
contours,_ = cv2.findContours(object_filter(labels, 1),2,1)
cnt = contours[0]

hull = cv2.convexHull(cnt,returnPoints = False)
contour_matrix=np.zeros(im.shape, 'uint8')
for t in cnt:
    print t, labels[t[0][1]][t[0][0]]
    contour_matrix[t[0][1]][t[0][0]]=1
print '====================='
print contour_matrix

---

“contour it find not contour with labels”：你的意思是什么？我在寻找一个2xN数组，由N对x，y组成，这样（x1，y1）-（x2，y2）可以取一个值（-1，0），（0，-1），（1，-1），（-1，1），（1，1）和m[x，y]=l，其中m被标记为矩阵，l被认为是标签。例如，对于标记为1的要素，轮廓坐标（x，y）对应于标记为1的单元。

cv2。FindOntours

返回坐标向量。转换为delta向量并检索标签是很简单的。我尝试了这个方法，但它返回的不是标签。我在第一篇文章中写到了这一点。请仔细阅读每一次开始的文章。你是指“轮廓它发现不符合标签”？请仔细写。