OpenCV.js 轮廓（Contours）完整指南：查找、绘制、特征提取、属性计算与层级解析

2026-09-04 12:18:19作者：仰钰奇

本篇基于 OpenCV 官方 JavaScript 教程（doc/js_tutorials/js_imgproc/js_contours/ 目录下的轮廓专题系列）整理成文，覆盖从"什么是轮廓"到 cv.findContours / cv.drawContours 的基础用法、矩与质心、面积、周长、多边形近似、凸包等特征函数，再到 Solidity、Extent、Mask、平均灰度等派生属性，凸包缺陷、pointPolygonTest、matchShapes 等进阶函数，以及 Contour Hierarchy（轮廓层级）与四种检索模式（RETR_LIST / RETR_EXTERNAL / RETR_CCOMP / RETR_TREE）的完整原理。读完并动手跑通文中的浏览器端示例后，你将掌握在 OpenCV.js 中完成一套完整轮廓分析流水线（阈值二值化 → 查找轮廓 → 绘制 → 特征/属性计算 → 形状匹配 → 层级遍历）的全部能力。

1. 什么是轮廓

轮廓（Contour）可以简单地解释为：将边界上所有连续点（颜色或灰度相同）连接起来的曲线。轮廓是形状分析和目标检测、识别的实用工具。

在浏览器端使用 cv.findContours 前，有三条来自官方教程的关键约定：

为提高精度，请使用二值图像。因此在查找轮廓之前，应先做阈值化（threshold）或 Canny 边缘检测；
从 OpenCV 3.2 起，源图像不会被该函数修改，可以放心复用输入图像；
在 OpenCV 中，查找轮廓类似于"从黑色背景中查找白色物体"。要查找的目标必须是白色（非零），背景必须是黑色（零）。

2. cv.findContours 与 cv.drawContours 接口

2.1 cv.findContours 参数

cv.findContours(image, contours, hierarchy, mode, method, offset = new cv.Point(0, 0))

参数	说明
`image`	源图像，8-bit 单通道图像。非零像素被视为 1，零像素保持 0，即图像按二值图处理
`contours`	检测到的轮廓，以 `cv.MatVector` 形式输出，每个元素是一个 `cv.Mat`（点集）
`hierarchy`	包含图像拓扑（父子层级）信息的数组，元素个数等于轮廓个数
`mode`	轮廓检索模式，见 `cv.RetrievalModes`（`RETR_LIST`、`RETR_EXTERNAL`、`RETR_CCOMP`、`RETR_TREE`），见本文第 11 节
`method`	轮廓逼近方法，见 `cv.ContourApproximationModes`（`CHAIN_APPROX_NONE` / `CHAIN_APPROX_SIMPLE`），见 2.3 节
`offset`	可选，所有轮廓点的统一偏移量。当轮廓是从图像 ROI 中提取、但需要在全图坐标系中分析时非常有用

2.2 cv.drawContours 参数

cv.drawContours(image, contours, contourIdx, color, thickness = 1, lineType = cv.LINE_8, hierarchy = new cv.Mat(), maxLevel = INT_MAX, offset = new cv.Point(0, 0))

参数	说明
`image`	目标图像（绘制上去的图像）
`contours`	全部输入轮廓（`cv.MatVector`）
`contourIdx`	指定要绘制哪一个轮廓；为负数时绘制全部轮廓
`color`	轮廓颜色（`cv.Scalar`）
`thickness`	绘制线宽；为负值时填充轮廓内部
`lineType`	线连接方式（`cv.LINE_8`、`cv.LINE_4`、`cv.LINE_AA`，见 `cv.LineTypes`）
`hierarchy`	可选的层级信息。只有当想借助 `maxLevel` 只绘制部分轮廓时才需要
`maxLevel`	绘制轮廓的最大层级。为 0 时只绘制指定轮廓本身；为 1 时绘制该轮廓及其所有嵌套轮廓；为 2 时再包含"嵌套的嵌套"，依此类推。仅在提供了 hierarchy 时生效
`offset`	可选的轮廓平移参数

cv.drawContours 不局限于轮廓：只要你拥有一组边界点，就可以用它绘制任意形状。

2.3 轮廓逼近方法（Contour Approximation Method）

method 是 cv.findContours 的第五个参数，决定轮廓点的存储粒度。轮廓保存的是形状边界的 (x, y) 坐标，但是否保存全部坐标点由该参数指定：

传入 cv.CHAIN_APPROX_NONE：保存边界上的所有点；
传入 cv.CHAIN_APPROX_SIMPLE：移除所有冗余点并压缩轮廓，从而节省内存。

教程给出的例子很直观：如果找到的是一条直线的轮廓，表示这条线并不需要线上所有点，只需要两个端点即可。CHAIN_APPROX_SIMPLE 正是做了这种压缩。

3. 浏览器端完整示例：查找并绘制轮廓

教程仓库附带了可直接运行的交互页面 js_contours_begin_contours.html（页面中内置了 canvasInput / canvasOutput 两个画布、Try it 按钮和可编辑代码区，默认载入 lena.jpg，也可通过文件选择框换图）。其核心代码片段如下：

let src = cv.imread('canvasInput');
let dst = cv.Mat.zeros(src.rows, src.cols, cv.CV_8UC3);
cv.cvtColor(src, src, cv.COLOR_RGBA2GRAY, 0);
cv.threshold(src, src, 120, 200, cv.THRESH_BINARY);

let contours = new cv.MatVector();
let hierarchy = new cv.Mat();
// You can try more different parameters
cv.findContours(src, contours, hierarchy, cv.RETR_CCOMP, cv.CHAIN_APPROX_SIMPLE);

// draw contours with random Scalar
for (let i = 0; i < contours.size(); ++i) {
    let color = new cv.Scalar(Math.round(Math.random() * 255),
                              Math.round(Math.random() * 255),
                              Math.round(Math.random() * 255));
    cv.drawContours(dst, contours, i, color, 1, cv.LINE_8, hierarchy, 100);
}
cv.imshow('canvasOutput', dst);
src.delete(); dst.delete(); contours.delete(); hierarchy.delete();

这段代码完整体现了第 1 节三条约定的落地方式：

cv.cvtColor 把 RGBA 转为灰度，cv.threshold(src, src, 120, 200, cv.THRESH_BINARY) 生成二值图，使目标为白色、背景为黑色；
cv.findContours 使用 cv.RETR_CCOMP + cv.CHAIN_APPROX_SIMPLE，得到 cv.MatVector 轮廓集合与 cv.Mat 层级数组；
循环中对每个轮廓用随机颜色调用 cv.drawContours，并传入 hierarchy 与 maxLevel = 100，保证嵌套层级都能被绘制出来；
OpenCV.js 中所有 Mat 类型对象都是手工管理内存的，用完必须调用 delete()（这里删除了 src、dst、contours、hierarchy），避免浏览器端内存累积——这是 JS 绑定相对桌面端 API 最容易踩的坑。

从源码结构看，cv 命名空间下的这些轮廓函数由 modules/js 模块把 C++ 接口绑定到 WASM 运行时生成（绑定字典见 gen_dict.json，其中登记了 findContours、contourArea、convexHull、matchShapes、pointPolygonTest、convexityDefects 等函数），其底层实现位于 modules/imgproc/src/ 下的 contours_truco.cpp、contours_new.cpp 与 contours_link.cpp。浏览器端教程示例使用的 findContours（Truco 算法）与 C++ 端 cv::findContours 是同一实现，行为与本文第 1 节所述约定一致。

4. 矩（Moments）与质心

图像矩用于计算目标的质量中心（质心）、面积等特征。对应的 JS API：

cv.moments(array, binaryImage = false)

参数	说明
`array`	灰度图像（单通道、8-bit 或浮点二维数组），或 1×N / N×1 的二维点集
`binaryImage`	为 `true` 时，所有非零像素都按 1 处理；该参数仅对图像输入有效

从矩中可以提取质心（centroid），公式为：

C_x = \frac{M_{10}}{M_{00}}, \quad C_y = \frac{M_{01}}{M_{00}}

对应代码：

let cx = M.m10 / M.m00;
let cy = M.m01 / M.m00;

可运行示例见 js_contour_features_moments.html。

5. 轮廓面积与周长

5.1 面积：cv.contourArea

轮廓面积可由 cv.contourArea() 直接计算，也可以从矩中取 M['m00']。

cv.contourArea(contour, oriented = false)

参数	说明
`contour`	输入二维点向量（轮廓顶点）
`oriented`	有向面积标志。为 `true` 时按轮廓方向（顺时针/逆时针）返回带符号的面积，可用符号判断轮廓方向；默认 `false` 返回绝对值

示例页面 js_contour_features_area.html 的实际用法（对 contours.get(20) 取出的某个轮廓求面积）：

let area = cv.contourArea(cnt, false);

5.2 周长：cv.arcLength

周长（也叫弧长，arc length）由 cv.arcLength() 求得：

cv.arcLength(curve, closed)

参数	说明
`curve`	输入二维点向量
`closed`	曲线是否闭合的标志位

示例页面：js_contour_features_perimeter.html。

6. 多边形近似：cv.approxPolyDP

cv.approxPolyDP 按指定的精度把轮廓逼近为顶点更少的另一个形状，其算法是 Douglas-Peucker（Ramer-Douglas-Peucker）算法的实现。

cv.approxPolyDP(curve, approxCurve, epsilon, closed)

参数	说明
`curve`	输入的二维点集（存于 `cv.Mat`）
`approxCurve`	近似结果，类型应与输入曲线一致
`epsilon`	近似精度，即原始曲线与其近似之间的最大距离
`closed`	为 `true` 时近似曲线是闭合的（首尾顶点相连）

epsilon 越大，顶点越少、形状越粗糙；它常被用来"数顶点"识别形状（如 3 个顶点近似为三角形、4 个为四边形）。示例页面：js_contour_features_approxPolyDP.html。

7. 凸包与凸性判断

7.1 cv.convexHull

凸包（Convex Hull）看起来很像轮廓近似，但两者并不相同（某些情况下可能给出相同结果）。cv.convexHull() 检查曲线的凸性缺陷并加以"纠正"。一般地，凸曲线总是向外凸出（或至少是平的）；向内凹进的部分称为凸性缺陷（convexity defects）。官方教程以手背图像示意：红线是手的凸包，双向箭头标记处即凸包与轮廓之间的局部最大偏离，见凸包与凸性缺陷示意图。

cv.convexHull(points, hull, clockwise = false, returnPoints = true)

参数	说明
`points`	输入二维点集
`hull`	输出的凸包
`clockwise`	方向标志。为 `true` 时输出凸包按顺时针方向，否则为逆时针。默认坐标系 X 轴向右、Y 轴向上
`returnPoints`	操作标志。当输出为矩阵时，`true` 返回凸包上的点；否则返回凸包点对应的索引

示例页面：js_contour_features_convexHull.html。

注意：后续第 9.1 节求凸包缺陷时，必须传 returnPoints = false（返回索引），这是官方教程明确强调的。

7.2 cv.isContourConvex

判断一条曲线是否为凸，只需：

cv.isContourConvex(cnt);

返回布尔值，表示该轮廓是否凸。

8. 包围矩形、最小外接圆、椭圆与直线拟合

8.1 两种包围矩形

a. 直包围矩形 cv.boundingRect(points)：不考虑目标旋转的轴对齐矩形，因此其面积不一定是包含目标的最小面积。

b. 旋转包围矩形 cv.minAreaRect(points)：以最小面积为准则绘制包围矩形，因此会考虑目标旋转。

两者输入均为二维点集（points）。示例页面分别为 js_contour_features_boundingRect.html 与 js_contour_features_minAreaRect.html。

8.2 最小外接圆：cv.minEnclosingCircle

cv.minEnclosingCircle(points) 求能完全覆盖物体且面积最小的圆。画出该圆配合 cv.circle：

cv.minEnclosingCircle(points)
cv.circle(img, center, radius, color, thickness = 1, lineType = cv.LINE_8, shift = 0)

参数（cv.circle）	说明
`img`	绘制目标图像
`center`	圆心
`radius`	半径
`color`	圆的颜色
`thickness`	圆轮廓线宽；负值表示画实心圆
`lineType`	圆边界类型
`shift`	圆心与半径坐标中的小数位数

示例页面：js_contour_features_minEnclosingCircle.html。

8.3 椭圆拟合：cv.fitEllipse

把椭圆拟合到物体上，返回其中内切椭圆所在的旋转矩形：

cv.fitEllipse(points)
cv.ellipse(img, box, color, thickness = 1, lineType = cv.LINE_8)

box 是旋转矩形（cv.RotatedRect）形式的椭圆表示，即绘制内切于该旋转矩形的椭圆；thickness 为正值画椭圆弧线轮廓，否则画填充的椭圆扇区。示例页面：js_contour_features_fitEllipse.html。

8.4 直线拟合：cv.fitLine

同样可以对一组点拟合直线：

cv.fitLine(points, line, distType, param, reps, aeps)
cv.line(img, pt1, pt2, color, thickness = 1, lineType = cv.LINE_8, shift = 0)

参数（cv.fitLine）	说明
`points`	输入二维点集
`line`	输出的直线参数，应为含 4 个元素 `[vx, vy, x0, y0]` 的 Mat：`[vx, vy]` 是与直线共线的归一化向量，`[x0, y0]` 是直线上一点
`distType`	M-估计器使用的距离类型（见 `cv.DistanceTypes`）
`param`	某些距离类型的数值参数 C；为 0 时选择最优值
`reps`	半径（坐标原点到直线的距离）的足够精度
`aeps`	角度的足够精度；`reps` 与 `aeps` 取 `0.01` 是常用默认值

cv.line 的 pt1/pt2 是线段两端点，thickness 为线宽，shift 是点坐标中的小数位数。示例页面：js_contour_features_fitLine.html。

9. 轮廓派生属性：Solidity、Extent、等效直径、朝向、Mask 与平均灰度

以下属性是形状描述中最常用的一组"比值指标"，全部可由前面第 4～8 节的 API 组合得到。

9.1 长宽比（Aspect Ratio）

物体包围矩形的宽与高之比：

Aspect \; Ratio = \frac{Width}{Height}

let rect = cv.boundingRect(cnt);
let aspectRatio = rect.width / rect.height;

9.2 充实度（Extent）

轮廓面积与包围矩形面积之比：

Extent = \frac{Object \; Area}{Bounding \; Rectangle \; Area}

let area = cv.contourArea(cnt, false);
let rect = cv.boundingRect(cnt);
let rectArea = rect.width * rect.height;
let extent = area / rectArea;

Extent 越接近 1，说明物体填充其包围盒越充分（圆形、方形接近 1，细长形接近 0）。

9.3 实体度（Solidity）

轮廓面积与其凸包面积之比：

Solidity = \frac{Contour \; Area}{Convex \; Hull \; Area}

let area = cv.contourArea(cnt, false);
cv.convexHull(cnt, hull, false, true);
let hullArea = cv.contourArea(hull, false);
let solidity = area / hullArea;

Solidity 永远不大于 1；缺口、凹陷越多的形状（如字母 C、星形）Solidity 越小。

9.4 等效直径（Equivalent Diameter）

面积与轮廓面积相同的圆的直径：

Equivalent \; Diameter = \sqrt{\frac{4 \times Contour \; Area}{\pi}}

let area = cv.contourArea(cnt, false);
let equiDiameter = Math.sqrt(4 * area / Math.PI);

9.5 朝向（Orientation）

物体指向的角度；该方法同时给出主轴与次轴长度：

let rotatedRect = cv.fitEllipse(cnt);
let angle = rotatedRect.angle;

9.6 Mask 与像素点

某些场合需要拿到组成目标的所有像素点。官方教程在此展示了 cv.transpose(src, dst)（src 为输入数组，dst 为与 src 同类型的输出数组），配套交互示例见 js_contour_properties_transpose.html。从该示例页面的定位看，其意图是配合轮廓生成"目标像素掩码"，供后面 minMaxLoc / mean 的 mask 参数使用。

9.7 最大/最小值及其位置：cv.minMaxLoc

cv.minMaxLoc(src, mask)

参数	说明
`src`	输入单通道数组
`mask`	可选掩码，用于选取子数组（即只在目标区域内统计）

let result = cv.minMaxLoc(src, mask);
let minVal = result.minVal;
let maxVal = result.maxVal;
let minLoc = result.minLoc;
let maxLoc = result.maxLoc;

9.8 平均颜色/平均灰度：cv.mean

求物体的平均颜色（彩色图）或灰度平均强度（灰度图），同样借助 mask：

cv.mean(src, mask)

参数	说明
`src`	输入数组，应为 1～4 通道，以便结果能存入 Scalar
`mask`	可选操作掩码

let average = cv.mean(src, mask);

10. 进阶函数：凸包缺陷、点-多边形测试、形状匹配

10.1 凸包缺陷（Convexity Defects）

对象相对于凸包的任何偏离都可以看作凸包缺陷。可视化方式是：连接缺陷的起点与终点画一条线，再在最远点处画圆。

注意：求凸包缺陷时，求凸包必须传 returnPoints = false（返回索引）。

cv.convexityDefects(contour, convexhull, convexityDefect)

参数	说明
`contour`	输入轮廓
`convexhull`	用 `convexHull` 求得的凸包，必须包含构成凸包的轮廓点索引
`convexityDefect`	输出的凸包缺陷向量。每个缺陷表示为一个 4 元组 `(start_index, end_index, farthest_pt_index, fixpt_depth)`：三个索引都是原始轮廓中缺陷起点、终点、最远点的 0 基索引；`fixpt_depth` 是最远轮廓点到凸包距离的定点数近似（8 位小数），要得到浮点深度需计算 `fixpt_depth / 256.0`

交互示例：js_contours_more_functions_convexityDefects.html。

10.2 点-多边形测试（Point Polygon Test）

求图像中一点到轮廓的最短距离。返回的带符号距离为：点在轮廓外为负，在轮廓内为正，恰在轮廓上为零。

cv.pointPolygonTest(contour, pt, measureDist)

参数	说明
`contour`	输入轮廓
`pt`	被测试的点
`measureDist`	为 `true` 时估计点到最近轮廓边的带符号距离；否则只判断点在轮廓内/外

let dist = cv.pointPolygonTest(cnt, new cv.Point(50, 50), true);

10.3 形状匹配（Match Shapes）

cv.matchShapes() 可以比较两个形状（或两个轮廓），返回一个相似度度量：结果越小，匹配越好。该度量基于 Hu 矩（Hu-moment） 计算。

cv.matchShapes(contour1, contour2, method, parameter)

参数	说明
`contour1`	第一个轮廓或灰度图像
`contour2`	第二个轮廓或灰度图像
`method`	比较方法，见 `cv::ShapeMatchModes`
`parameter`	方法相关参数（当前不支持）

交互示例：js_contours_more_functions_shape.html。

11. 轮廓层级（Contour Hierarchy）

11.1 什么是层级

用 cv.findContours() 查找轮廓时有一个参数"轮廓检索模式"（Contour Retrieval Mode），大家通常随手传 cv.RETR_LIST 或 cv.RETR_TREE 就能正常工作——但它到底意味着什么？另外，输出中有三个数组：图像、轮廓，还有一个命名为 hierarchy 的输出，却从没有被用到过。这一节解释它是什么、为什么存在，以及它与检索模式参数的关系。

轮廓之间存在位置关系：有些形状位于其他形状内部，就像嵌套图形。此时称外层的为父（parent），内层的为子（child）。轮廓之间由此形成父子关系，这种关系用**层级（Hierarchy）**来表示。

官方教程的示例图（images/hierarchy.png）中有编号 0～5 的若干形状，其中 2 和 2a 分别表示最外层方框的外轮廓与内轮廓：

轮廓 0、1、2 是外部（最外层）轮廓，它们处于同一层级（hierarchy-0）；
轮廓 2a 可视为轮廓 2 的子（反过来说 2 是 2a 的父），处于 hierarchy-1；
轮廓 3 是 2a 的子，处于下一层级；
轮廓 4、5 是 3a 的子，处于最末层级（按编号顺序，轮廓 4 可视为 3a 的第一个子，也可能是轮廓 5）。

由此引出一组术语：同一层级、外部轮廓、子轮廓、父轮廓、第一个子等。

11.2 OpenCV 中的层级表示：[Next, Previous, First_Child, Parent]

每条轮廓都携带"它在哪一层、它的子是谁、它的父是谁"等信息。OpenCV 将其表示为四值数组 [Next, Previous, First_Child, Parent]：

Next：同一层级中的下一条轮廓。例如轮廓 0 的同层下一条是轮廓 1，故 Next = 1；轮廓 1 的 Next = 2；轮廓 2 没有同层下一条，Next = -1；轮廓 4 与轮廓 5 同层，Next = 5。
Previous：同一层级中的上一条轮廓。轮廓 1 的上一条是轮廓 0；轮廓 2 的上一条是轮廓 1；轮廓 0 没有上一条，为 -1。
First_Child：它的第一个子轮廓。轮廓 2 的子是 2a，取 2a 的索引；轮廓 3a 有两个子，只取第一个，即 First_Child = 4。
Parent：其父轮廓的索引，与 First_Child 相反。轮廓 4 和 5 的父都是 3a；3a 的父是 3，依此类推。

若没有子或父，对应字段取 -1。

11.3 四种检索模式逐一解读

1. RETR_LIST —— 四个标志中最简单的一个：检索所有轮廓，但不建立任何父子关系。"父子和孩子在此规则下平等，都只是轮廓"，即全部属于同一层级。因此层级数组的第 3、4 项（First_Child、Parent）恒为 -1，而 Next/Previous 有对应值。

2. RETR_EXTERNAL —— 只返回最外层轮廓，所有子轮廓都被丢弃。"在这种法则下，每个家庭只有长子被照顾到，其他成员不在考虑之列"。

3. RETR_CCOMP —— 检索所有轮廓并整理成两层层级：物体的外部轮廓（边界）放在 hierarchy-1，物体内部孔洞（如果有）的轮廓放在 hierarchy-2；若物体内部还有物体，其轮廓又放回 hierarchy-1，孔洞再放 hierarchy-2，依此类推。直观例子：黑底上的"大白色零"，零的外圈属于第一层级，内圈属于第二层级。

教程给出的 RETR_CCOMP 实例（images/ccomp_hierarchy.png，红色为轮廓编号、绿色为层级）逐条推演层级数组：

contour-0（hierarchy-1，有两个孔洞 1、2）：同层下一条是 contour-3，无上一条，第一个子是 contour-1，无父。数组为 [3, -1, 1, -1]；
contour-1（hierarchy-2，在 contour-0 下）：同层下一条是 contour-2，无上一条、无子，父是 contour-0。数组为 [2, -1, -1, 0]；
contour-2（hierarchy-2）：在 contour-0 下无同层下一条，上一条是 contour-1，无子，父是 contour-0。数组为 [-1, 1, -1, 0]；
contour-3：hierarchy-1 中下一条是 contour-5，上一条是 contour-0，子是 contour-4，无父。数组为 [5, 0, 4, -1]；
contour-4：在 contour-3 下的 hierarchy-2，无同层兄弟。无 next、无 previous、无子，父是 contour-3。数组为 [-1, -1, -1, 3]。

4. RETR_TREE —— "完美的先生"：检索所有轮廓并构建完整的家族树——"它甚至能告诉你谁是爷爷、父亲、儿子、孙子乃至更远的辈分"。教程把同一张图改用 cv.RETR_TREE 重排轮廓后的逐条推演（images/tree_hierarchy.png）：

contour-0（hierarchy-0）：同层下一条是 contour-7，无上一条，子是 contour-1，无父。数组为 [7, -1, 1, -1]；
contour-2（hierarchy-1）：同层无轮廓，无上一条，子是 contour-2，父是 contour-0。数组为 [-1, -1, 2, 0]。

11.4 层级信息的实际用途

层级数组并非摆设，它在两处被直接消费：

cv.drawContours 的 maxLevel 参数（见 2.2 节）：只有传入 hierarchy 时才能按层级选择性绘制——例如只想画外部轮廓而不画孔洞边界时，可用 RETR_EXTERNAL 简化，或借助层级控制 maxLevel；
算法选择：只关心目标外轮廓（如计数、检测）时用 RETR_EXTERNAL 最少；需要区分"物体"与"孔洞"（如 RETR_CCOMP 的 1/2 两层）时用 RETR_CCOMP；需要完整嵌套关系（如文档布局、嵌套区域分析）时用 RETR_TREE。

12. 小结与浏览器端实践要点

把整个轮廓专题串起来，一条典型流水线是：

// 1. 二值化：目标白色、背景黑色
cv.cvtColor(src, src, cv.COLOR_RGBA2GRAY, 0);
cv.threshold(src, src, 120, 200, cv.THRESH_BINARY);

// 2. 查找轮廓（RETR_CCOMP / RETR_TREE 按需选择）
let contours = new cv.MatVector();
let hierarchy = new cv.Mat();
cv.findContours(src, contours, hierarchy, cv.RETR_CCOMP, cv.CHAIN_APPROX_SIMPLE);

// 3. 逐轮廓计算特征与属性
for (let i = 0; i < contours.size(); ++i) {
    let cnt = contours.get(i);
    let M = cv.moments(cnt, false);                 // 矩 → 质心 (M.m10/M.m00, M.m01/M.m00)
    let area = cv.contourArea(cnt, false);          // 面积
    let peri = cv.arcLength(cnt, true);             // 周长
    let rect = cv.boundingRect(cnt);                // 包围矩形 → Aspect Ratio / Extent
    let hull = cv.convexHull(cnt, null, false, true);
    let solidity = area / cv.contourArea(hull, false);
    // 进一步：cv.approxPolyDP、cv.minAreaRect、cv.minEnclosingCircle、
    //        cv.fitEllipse、cv.fitLine、cv.convexityDefects、
    //        cv.pointPolygonTest、cv.matchShapes ...
    cnt.delete(); hull.delete();
}

// 4. 绘制
cv.drawContours(dst, contours, -1, new cv.Scalar(0, 255, 0), 1);

// 5. 释放全部 Mat
src.delete(); dst.delete(); contours.delete(); hierarchy.delete();

实践要点归纳：

先二值化再找轮廓；OpenCV.js 中 findContours 不修改源图（OpenCV 3.2 起的约定）；
CHAIN_APPROX_SIMPLE 是默认首选，它用最少冗余点表达轮廓，显著降低内存与后续计算开销；
求凸包缺陷必须 returnPoints = false，且 convexityDefects 返回的 depth 是定点数，需 depth / 256.0 还原；
matchShapes 结果越小越相似，其基础是 Hu 矩，因此对平移、旋转、尺度具有一定不变性；
层级数组 [Next, Previous, First_Child, Parent] 中缺失关系一律以 -1 表示，RETR_LIST 的第三、四项恒为 -1；
浏览器端务必对每个 cv.Mat / cv.MatVector 调用 delete()，这是所有 JS 示例页面（如 js_contours_begin_contours.html）在结尾统一执行的原因。