> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/spanish/bloques-de-funcion/detections-shapes/shape-analysis/find-contour.md).

# Find Contour

Esta función detecta y selecciona contornos en una imagen en escala de grises. Úsala para localizar formas, obtener su posición, área, rotación y ver una vista previa del contorno seleccionado sobre la imagen. Los límites de área ajustables y los métodos de aproximación te ayudan a filtrar y refinar los resultados.

## 📥 Entradas

`Image Gray`\
Imagen en escala de grises de entrada utilizada para la detección de contornos (imagen de un solo canal).

## 📤 Salidas

`Selected Contour`\
El contorno elegido (forma) según la selección manual o la selección automática.

`Contours`\
Lista de todos los contornos detectados que pasaron los filtros.

`Contour Image`\
Imagen previa con el contorno seleccionado dibujado y el centro marcado.

`Object Position`\
La posición del centro (x, y) del contorno seleccionado.

`Object Rotation`\
El ángulo de orientación del contorno seleccionado (grados).

`Object Area`\
El valor del área del contorno seleccionado (unidades en píxeles).

`Object Count`\
Número de contornos encontrados después del filtrado.

## 🕹️ Controles

`Minimum Contour Area (%)`\
Un control de rango horizontal para establecer el área mínima y máxima del contorno como porcentaje del área de la imagen; los contornos fuera de este rango se ignoran.

`Approximation Method`\
Un menú desplegable para elegir la estrategia de aproximación del contorno (afecta el nivel de detalle vs. simplificación).

`Contour Selection`\
Un menú desplegable que lista los contornos detectados (con porcentajes de área) para que puedas elegir uno para inspeccionar o medir.

## 🎨 Características

* Vista previa visual del contorno seleccionado con marcador de centro y líneas de contorno dibujadas.
* Filtrado basado en área para ignorar formas muy pequeñas o excesivamente grandes.
* Varias opciones de aproximación para controlar el detalle y suavizado del contorno.
* Salidas tanto geométricas (forma, centro, ángulo, área) como una lista de todos los contornos validados.
* Protección automática contra resultados abrumadores limitando el número de contornos procesados para mantener el rendimiento.

## ⚙️ Cómo funciona

Al ejecutarse, el bloque analiza la imagen en escala de grises suministrada, detecta contornos, los filtra según el rango de área configurado, los ordena por tamaño y deja disponible un contorno seleccionado para inspección. La imagen previa muestra el contorno seleccionado y su centro; además, el bloque exporta datos numéricos y de forma para procesamiento posterior.

## 💡 Consejos y trucos

* Preprocesa las imágenes con `Image Threshold`, `Image Adaptive Threshold` o `Blur` para mejorar la detección de contornos en entradas ruidosas.
* Usa `Image ROI Select` o `Image ROI` para recortar el área de interés antes de ejecutar este bloque y evitar contornos irrelevantes.
* Combínalo con `Approximate Contour`, `Minimum Rectangle`, `Minimum Ellipse` o `Minimum Circle` para obtener representaciones geométricas más simples del contorno seleccionado.
* Utiliza `Translate Shape` para trasladar las formas detectadas a un marco de coordenadas común cuando combines varias entradas.
* Visualiza o anota resultados con `Draw Rectangle`, `Draw Result On Image` o `Draw Detections` para superposiciones más claras en la interfaz.
* Si necesitas áreas poligonales como entradas o para limitar el análisis, combínalo con `Image ROI Polygon` o `Image ROI Polygon Multi`.
* Registra imágenes o resultados con `Image Logger`, `Image Write` o exporta datos numéricos con `CSV Export` / `Data to JSON`.
* Combínalo con `Find Object` (template matching) o `Feature Detector` para identificar objetos con mayor precisión tras un filtrado aproximado por contorno.
* Para sistemas de control de calidad, conéctalo aguas abajo a `Measure Object Distance`, `Check Area` o `Rectangles in Rectangle` para implementar lógica de aprobado/fallado.

## 🛠️ Solución de problemas

* Si no se encuentra ningún contorno, amplia el rango de `Minimum Contour Area (%)` o mejora el contraste de entrada con `Auto Contrast` o `Denoising`.
* Si aparecen muchos contornos pequeños espurios, aumenta el área mínima o aplica `Image Threshold` / `Blur` para reducir el ruido.
* Si los contornos aparecen demasiado detallados, elige un `Approximation Method` más simple para reducir el número de vértices y simplificar la forma.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.augelab.com/spanish/bloques-de-funcion/detections-shapes/shape-analysis/find-contour.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.