折线近似曲线程序

原理：

道格拉斯-普克算法（Douglas-Peucker）来实现。该算法也以Douglas-Peucker算法和迭代终点拟合算法为名。是将曲线近似表示为一系列点，并减少点的数量的一种算法。该算法的原始类型分别由乌尔斯·拉默（Urs Ramer）于1972年以及大卫·道格拉斯（David Douglas）和托马斯·普克（Thomas Peucker）于1973年提出，并在之后的数十年中由其他学者予以完善。

经典的Douglas-Peucker算法描述如下：

（1）在曲线首尾两点A，B之间连接一条直线AB，该直线为曲线的弦；

（2）得到曲线上离该直线段距离最大的点C，计算其与AB的距离d；

（3）比较该距离与预先给定的阈值threshold的大小，如果小于threshold，则该直线段作为曲线的近似，该段曲线处理完毕。

（4）如果距离大于阈值，则用C将曲线分为两段AC和BC，并分别对两段取信进行1~3的处理。

（5）当所有曲线都处理完毕时，依次连接各个分割点形成的折线，即可以作为曲线的近似。

实现：

里面有些细节;如标记连通区域，连通区域属性用法，如何在图上叠加字符，反正切函数的应用等等

#encoding=utf-8
import cv2
import numpy as np
from skimage import measure
from skimage import morphology
import torch
import math
 


def threshold_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY) 
    #//ret, binary = cv2.threshold(gray, 0, 255, 100)
    #//print("threshold value %s"%ret)
    binary = np.zeros((720,1280),dtype=np.uint8)
    for u in range(720):
        for v in range(1280):
            if gray[u, v] < 10:
                binary[u, v] = 255	

    return binary
    
if __name__ == '__main__':
    oimg = cv2.imread('111.jpg')
    img = threshold_demo(oimg)
    cv2.imwrite("11111111.jpg", img)

    flagimg = np.zeros((720,1280),dtype=np.uint8)
    for u in range(720):
        for v in range(1280):
            if img[u, v] > 200:
                flagimg[u, v] = 1	

    skeleton =morphology.skeletonize(flagimg)

    flagimgx = np.zeros((720,1280),dtype=np.uint8)
    for u in range(720):
        for v in range(1280):
            if skeleton[u, v] > 0:
                flagimgx[u, v] = 255

    lable =  measure.label(flagimgx,  connectivity = 2)
    props = measure.regionprops(lable, intensity_image=None, cache=True)

    for i in range(len(props)):
        y0, x0, y1, x1 = props[i].bbox
        flagmax = 0;
        labelv = props[i].label
        for j in range(len(props[i].coords)):
            y,x = props[i].coords[j]
            flag = 0
            if y > 1 and y < 720 - 1 and x > 1 and x < 1280 - 1:
                for l in range(y -1 ,y + 2):
                    for r in range(x -1 ,x + 2):
                        if lable[l ,r] == labelv:
                            flag += 1
            if flag > flagmax:
                flagmax = flag
            if flag >= 4:
                flagimgx[y, x] = 0

    cv2.imwrite("middle.jpg", flagimgx)


    lable =  measure.label(flagimgx,  connectivity = 2)
    props = measure.regionprops(lable, intensity_image=None, cache=True)
    num = 0
    for i in range(len(props)):
        are = props[i].area
        #print("are = ", are)
        if are > 172 and are < 200:
            approx = cv2.approxPolyDP(props[i].coords, 1, False)
            for u in range(len(approx) - 1):
                y,x = approx[u][0]
                flagimgx[y, x] = 100
                font=cv2.FONT_HERSHEY_SIMPLEX
                numx ='%d'%num
                flagimgx = cv2.putText(flagimgx,numx,(x, y),font,0.5,(255,255,255),1)
                y1,x1 = approx[u + 1][0]
                # 斜率
                aratio = (y1 - y) / (x1 - x)
                print("num = ", aratio)
                ang = math.atan(aratio)
                ang = (ang * 180) / 3.1415926
                print("ang = ", ang)
                num = num + 1
    cv2.imwrite("22222222.jpg", flagimgx)