opencv中的轨迹数据压缩的Douglas-Peucker算法以及cv2.approxPolyDP()函数解析

轨道数据压缩算法

引用于：https://zhuanlan.zhihu.com/p/136286488?utm_id=0

---

上图演示了Douglas-Peucker算法的前两个步骤：

如图所示，在第一步(见图 (a)中，选择起点P0和终点P16，生成近似线段P0~P16。导出了从原始轨迹上的每个采样点到近似线段P0~P16的垂直欧几里德距离。由于某些垂直误差距离大于预先定义的误差距离阈值，因此选择与P0~P16偏差最大的采样点P16，即本例中的P9作为分割点。

因此，在算法的第二步(见图(b))中，使用轨迹p0、p9、p16来近似原始轨迹。在这一步中，原问题被分成两个子问题，其中线段p0 ~ p9是{p0, p1，…， p9}近似的子轨迹，而线段p9~p16则近似于另一个{p9, p10，…,p16}的子轨迹。

如图所示，在第一个子问题中，几个采样的位置点的垂直误差距离p0 p9大于预先定义的误差距离阈值。因此，选取与p0 p9偏差最大的采样定位点p5作为分割点，对分割子轨迹进行递归处理，直到所有采样定位点在误差阈值内与近似线段都有垂直距离。另一方面，在第二个子问题中，所有样本点到线段p9~p16的垂直距离都小于误差阈值。因此，没有必要进一步拆分。

以上就是书中对DP算法的说明，下面介绍DP算法具体的步骤：

（1）在轨迹曲线在曲线首尾两点A，B之间连接一条直线AB，该直线为曲线的弦；

（2）遍历曲线上其他所有点，求每个点到直线AB的距离，找到最大距离的点C，最大距离记为dmax；

（3）比较该距离dmax与预先定义的阈值Dmax大小，如果dmax<Dmax，则将该直线AB作为曲线段的近似，曲线段处理完毕；

（4）若dmax>=Dmax，则使C点将曲线AB分为AC和CB两段，并分别对这两段进行（1）~（3）步处理；

（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，即为原始曲线的路径。

---

cv2.approxPolyDP()函数解析

def approxPolyDP(curve, epsilon, closed, approxCurve=None): # real signature unknown; restored from __doc__
    """
    approxPolyDP(curve, epsilon, closed[, approxCurve]) -> approxCurve
    .   @brief Approximates a polygonal curve(s) with the specified precision.
    .   
    .   The function cv::approxPolyDP approximates a curve or a polygon with another curve/polygon with less
    .   vertices so that the distance between them is less or equal to the specified precision. It uses the
    .   Douglas-Peucker algorithm <http://en.wikipedia.org/wiki/Ramer-Douglas-Peucker_algorithm>
    .   
    .   @param curve Input vector of a 2D point stored in std::vector or Mat
    .   @param approxCurve Result of the approximation. The type should match the type of the input curve.
    .   @param epsilon Parameter specifying the approximation accuracy. This is the maximum distance
    .   between the original curve and its approximation.
    .   @param closed If true, the approximated curve is closed (its first and last vertices are
    .   connected). Otherwise, it is not closed.
    """
    pass

• curve:第一个参数是轮廓的点集。
• epsilon:第二个参数epsilon的含义如下所述，滤掉的线段集离新产生的线段集的距离为d，若d小于epsilon，则滤掉，否则保留。
• 第三个参数指示新产生的轮廓是否闭合，返回的是一些列点组成的多边形。

注意：以下例子为opencv项目形状检测涉及的部分代码

def getContours(img):
    '''获取边界轮廓函数'''
    # mode=cv2.RETR_EXTERNAL 检测外部(outer detail)
    # method=cv2.CHAIN_APPROX_NONE (返回的相邻两个点的像素位置差不超过1)
    conters, hierarchy = cv2.findContours(image=img, mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_NONE)
    # conters中的轮廓是list类型
    for cnt in conters:
        # cnt_image = cnt
        ares = cv2.contourArea(contour=cnt)
        # print('cnts_shape', cnt_image.shape)
        print('cnts', ares)
        if ares > 500:
            # 绘制边界
            cv2.drawContours(image=imgContour, contours=cnt, contourIdx=-1, color=(255, 0, 0), thickness=3)
            # 弧 True表示闭合
            peri = cv2.arcLength(cnt, True)
            print(peri)
            # 轮廓近似函数
            approx = cv2.approxPolyDP(cnt, 0.02 * peri, True)
            # print('approx', approx)
            print('approx_len:', len(approx))