OpenCV——凸轮廓与Douglas-Peucker算法

对下面这张图像，计算其近似多边形和凸包。

·hammer.jpg

使用cv2.approxPolyDP()函数计算其近似多边形，其参数列表：

第一个参数为源轮廓。
第二个参数为ε值，它表示源轮廓与近似多边形周长的最大差值（这个值越小，近似多边形与源轮廓越接近）。
第三个参数为布尔标记，它表示这个多边形是否闭合。

使用cv2.convexHull()函数计算其凸包。

Douglas-Peucker算法

在数字化时，要对曲线进行采样，即在曲线上取有限个点，将其变为折线，并且能够在一定程度

上保持原有的形状。

经典的Douglas-Peucker算法步骤如下：

（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。

这个算法要因地制宜，用于图像处理的contour，提取转折点时，要做两点的改进：

（1）因为这个算法的头尾点肯定是存在的，但是contour的头尾点是相邻像素，因此，最后这个点也要设置为false。

（2）因为这个算法是根据点与弦的距离是否超过threshold，因此，还要检测是否存在同一线段上的多个点，如下图：点1 不是转折点，要移出，还要再做处理。

源代码：

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))

ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY), 127, 255, cv2.THRESH_BINARY)
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    epsilon = 0.01 * cv2.arcLength(cnt, True)
    approx = cv2.approxPolyDP(cnt, epsilon, True)
    hull = cv2.convexHull(cnt)
    cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)
    cv2.drawContours(black, [approx], -1, (255, 255, 0), 2)
    cv2.drawContours(black, [hull], -1, (0, 0, 255), 2)

cv2.imshow("hull", black)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

参考文献：计算机视觉书籍第二版