获取图中轮廓：
contours,hierarchy=cv2.findContours(Img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
画出轮廓：
cv2.drawContours(frame,contours,-1,(0,0,255),2)
多边形拟合：
approx = cv2.approxPolyDP(cnt,5,True)
参数：
approx：输出的多边形的数目
cnt：输入的连续的点（findContours可以获得）
5：阈值
True：只拟合闭合的轮廓，false则拟合闭合与不闭合
获取透射变换矩阵：
cv2.getPerspectiveTransform(src, dst) → M
参数：
src：源图像中待测矩形的四点坐标（二维的）
sdt：目标图像中矩形的四点坐标（也是二维的）
M：变换矩阵
用途：返回由源图像中矩形到目标图像矩形变换的矩阵
透射变换：
cv2.warpPerspective(src, M, dsize, flags, borderMode, borderValue) → dst
参数：
src：输入图像
M：变换矩阵
dsize：目标图像shape
flags：插值方式
borderMode：边界补偿方式
borderValue：边界补偿大小，常值，默认为0
用途：将原矩形根据变换矩阵，变换到目标矩形的形状（与上一个函数配合使用，把斜的矩形拉正）
PnP求解：
ret, rvec, tvec = cv2.solvePnP(model_object, model_image, camera_matrix, dist_coeffs)
参数：
objPoints：目标点的世界坐标系坐标（至少三个点，坐标为三维）
imagePoints：目标点的图像坐标系坐标（同样的三个点，坐标为二维）
cameraMatrix：相机的内参矩阵
distCoeffs：相机的畸变矩阵
用途：已知点坐标 求变换矩阵（rvec,tvec）
三维坐标投影运算：
projectedPoints,_ = cv2.projectPoints(model_object, rvec, tvec, camera_matrix, dist_coeffs)
比较两张图片的不同：
diff_img = cv2.absdiff(templates[t], match_candidate[0])
