关于视觉智能平台外轮廓的坐标信息，后面会增加这个信息吗？

在视觉智能平台中，外轮廓的坐标信息是非常重要的数据，它能够帮助我们理解和分析图像中物体的形状、位置和大小，这些信息可以用于各种应用，如物体识别、图像分割、机器人导航等。

我们需要了解什么是外轮廓，在计算机视觉中，外轮廓是指图像中物体边缘的集合，它可以通过边缘检测算法来获取，边缘检测算法会找到图像中颜色或亮度变化明显的地方，这些地方通常是物体的边缘。

获取到外轮廓后，我们就可以计算它的坐标信息，这些坐标信息通常是一系列的点，每个点代表了外轮廓上的一个位置，这些点的坐标可以是二维的，也可以是三维的，取决于我们的应用场景。

如何获取外轮廓的坐标信息呢？我们可以使用OpenCV这个开源的计算机视觉库来实现，OpenCV提供了一系列的函数，可以帮助我们进行边缘检测和轮廓提取。

我们需要对图像进行预处理，包括灰度化、滤波等，以减少噪声的影响，我们可以使用Canny函数进行边缘检测，得到二值化的边缘图像，接着，我们可以使用findContours函数找到边缘图像中的轮廓，这个函数会返回一个包含轮廓信息的数组，我们可以遍历这个数组，获取每个轮廓的坐标信息。

至于是否会增加这个信息，这取决于具体的需求和应用，如果我们认为外轮廓的坐标信息对我们的任务有帮助，那么我们当然可以选择增加这个信息，我们也需要注意，增加更多的信息会增加计算的复杂性和存储的需求，所以我们需要在信息量和效率之间找到一个平衡。

外轮廓的坐标信息是视觉智能平台中非常重要的数据，它可以帮助我们更好地理解和分析图像，通过使用OpenCV等工具，我们可以方便地获取这些信息，至于是否需要增加这个信息，需要根据具体的应用场景和需求来决定。