【Python】【OpenCV】凸轮廓和Douglas-Peucker算法

针对遇到的各种复杂形状的主体，大多情况下，我们可以求得一个近似的多边形来简化视觉图像处理，因为多边形是由直线组成的，这样就可以准确的划分区域来便捷后续的操作。

cv2.arcLength() Method：

参数：

• curve：要计算周长的轮廓，可以是一个矩形、圆形、多边形等封闭曲线。
• closed：一个布尔值，表示轮廓是否为封闭曲线。如果 closed=True，则假设轮廓是闭合的；如果 closed=False，则假设轮廓是开放的。

返回值：

• retval：给定轮廓的周长或长度。如果轮廓是一个封闭曲线（如圆形、多边形等），则 retval 表示该曲线的周长；如果轮廓是一条开放曲线（如一条直线），则 retval 表示该曲线的长度。

cv2.approxPolyDP() Method：

参数：

• curve：要逼近的输入轮廓。
• epsilon：指定逼近精度的参数，即逼近多边形与原始曲线之间的最大距离。这个参数决定了逼近的精度，值越小表示逼近得越精确。通常情况下，这个值是一个很小的正数。
• closed：一个布尔值，表示逼近多边形是否是封闭的。如果 closed=True，则表示输出的逼近多边形是封闭的，即首尾相连形成一个闭合多边形；如果 closed=False，则表示输出的逼近多边形是开放的。

返回值：

• approxCurve：表示逼近后的多边形曲线。这是一个新的轮廓，它是对输入轮廓进行多边形逼近后得到的结果。

 1 import cv2
 2 import numpy
 3
 4 img = cv2.imread('../img/img.png', -1)
 5 ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
 6 contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 7
 8 img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
 9 for c in contours:
10     # 计算轮廓的总长的百分之一，作为最大差值
11     epsilon = 0.01 * cv2.arcLength(c, True)
12     # 将轮廓近似为一个多边形
13     approx = cv2.approxPolyDP(c, epsilon, True)
14     # 获取轮廓的凸多边形，并且可以完全包含整个轮廓
15     hull = cv2.convexHull(c)
16
17     # cv2.drawContours(img, [c], -1, (0, 255, 0), 2)
18     cv2.drawContours(img, [approx], -1, (255, 255, 0), 2)
19     cv2.drawContours(img, [hull], -1, (0, 0, 255), 2)
20
21
22 # img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
23 # img = cv2.drawContours(img, contours, -1, (0, 255, 0), 2)
24 cv2.imshow('', img)
25 cv2.waitKey()
26 cv2.destroyAllWindows()

上述代码中，可以修改 epsilon（ε）参数来获得不同逼近的多边形，当 epsilon（ε）越大，则得到的多边形越简易，越小则越贴近传入的轮廓形状。

运行结果：