最近在做机器视觉中的分割任务，用到了以下代码。在任务过程中，遇到一些小的问题，这里记录一下。

    1. data = cv2.imread(data_raw)
    2. jpg = np.where(data > 0, 255, 0) # 得到一个三通道的二值图
    3. jpg = np.asanyarray(jpg, dtype=np.uint8) # 转为uint8格式，这是tf框架下（官方）语义分割任务标签指定格式
    4. jpg1 = cv2.cvtColor(jpg, cv2.COLOR_BGR2GRAY) # 将三通道转为单通道。如果图像已经是单通道图像则会报错
    6. contours, hierarchy = cv2.findContours(jpg1,cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # 对于单通道图像找连通域
    7. cv2.drawContours(data, contours, -1, (0, 255, 0), 3, lineType=cv2.LINE_AA) # 在三通道彩色图像上做之前连通域的可视化

    关于np.where加cv2.COLOR_BGR2GRAY要注意一下。针对一张主色为（红+黑）的彩色图像做二值转换，再将三通道转为单通道后。用findContours得到的是none。

    1. jpg = np.where(data > 0, 1, 0) # 得到一个三通道的二值图
    2. jpg = np.asanyarray(jpg, dtype=np.uint8) 
    3. jpg1 = cv2.cvtColor(jpg, cv2.COLOR_BGR2GRAY) # 转单通道
    4. contours, hierarchy = cv2.findContours(jpg1,cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # contours是none。

    解决方法：只针对原图做R通道上的二值化，再转格式即可。（不需要额外对二值图进行单通道转换）

    1. jpg = np.where(data[:,:,2] > 0, 1, 0) # 得到一个单通道的二值图
    2. jpg = np.asanyarray(jpg, dtype=np.uint8) 
    3. contours, hierarchy = cv2.findContours(jpg,cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # contours正常。