凸形状内部的任意两点的连线都应该在形状里面。
1 道格拉斯-普克算法 Douglas-Peucker algorithm
这个算法在其他文章中讲述的非常详细,此处就详细撰述。
下图是引用维基百科的。ε称之为阈值 shreshold
图一
静态图如下:
具体详细的可以参考如下两篇文章。
相关文章如下:
道格拉斯-普克 抽稀算法 附javascript实现,该文章只看他的文字讲解就好,他的代码不是通过python实现的。
2 实现函数 cv2.approxPloyDP
作用:对目标图像进行(按指定精度、阈值,两者是一个概念)进行近似多边形曲线拟合。
使用一个较少顶点的曲线/多边形去拟合一个顶点较多的曲线/多边形,两曲线/多边形间的距离小于或等于某一指定精度/阈值
cv2.approxPolyDP(curve, epsilon, closed) -> approxCurve
参数:
curve - 2D点矢量,为图像的 “ 轮廓 ” 值。
epsilon - 指定近似精度的参数ε,这是原始曲线与其近似值之间的最大距离。参数越小,两直线越接近
closed - 若为true,曲线第一个点与最后一个点连接形成闭合曲线,若为false,曲线不闭合。
返回值:
approxCurve - 曲线/多边形近似结果。
备注:
为什么已经有了一个能够精确表示的轮廓 2D点矢量,却还需要得到一个近似多边形呢?
这主要是近似得到的多边形是由一组直线构成的,故能够在一个区域内定义多边形,以便后续的操作和处理,该项操作在许多计算机视觉任务中非常重要。
代码示例:
#epsilon 为近似度参数,该值需要轮廓的周长信息#多边形周长与源轮廓周长之比就是epsilon
epsilon = 0.01 *cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt, epsilon, True)#approx 为列表list,若approx为元组,则需要将其转换成列表list#为了安全起见,可将[approx]作为参数传入函数
cv2.drawContours(img, [approx], -1, (255, 255, 0), 2)
运行:
当 epsilon 的取值不同时,会存在不同的拟合程度。
3 凸包convexHull
作用:找到2D点集的凸包
cv2.convexHull(points[, clockwise[, returnPoints]]]) -> hull
参数:
points - 2D点集 2D point set
clockwise - 布尔类型,默认false;若为true,输出的凸包则为顺时针方向;若为false,输出的凸包则为逆时针方向。注意:这里的坐标系是x轴方向指向右侧,y轴方向指向上方。
returnPoints - 布尔类型,默认true,在矩阵情况下,若为true,则返回凸包点集;若为false,则返回整数向量的索引
返回值:
hull - 输出的凸包,是整数向量的索引(an integer vector of indices)或点集向量(vector of points)
代码示例:
hull = cv2.convexHull(cnt)
运行:
4 代码综合
4.1 保留原始图像
将上述代码进行综合,示例如下
importcv2importnumpy as np
img= cv2.imread('Mjolnir.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary= cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours, hierarchy=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)for cnt incontours:#----源轮廓-------
cv2.drawContours(img, [cnt], -1, (0, 255, 0), 2)#近似多边形
#epsilon 为近似度参数,该值需要轮廓的周长信息
#多边形周长与源轮廓周长之比就是epsilon
epsilon = 0.01 *cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt, epsilon, True)
cv2.drawContours(img, [approx],-1, (255, 255, 0), 2)#凸包
hull =cv2.convexHull(cnt)
cv2.drawContours(img, [hull],-1, (0, 0, 255), 2)
cv2.imshow("approx",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行
4.2 在新建幕布上绘制轮廓
当然在书(OpenCV 3 计算机视觉)第三章 3.10 凸轮廓与Douglas-Peucker算法 中,是将三个轮廓放在了黑色图像上。
实现代码如下:
importcv2importnumpy as np
img= cv2.imread('Mjolnir.jpg')
gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
ret, binary= cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
contours, hierarchy=cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#生成黑色"幕布"
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)for cnt incontours:#----源轮廓-------
cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)#近似多边形
#epsilon 为近似度参数,该值需要轮廓的周长信息
#多边形周长与源轮廓周长之比就是epsilon
epsilon = 0.01 *cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt, epsilon, True)
cv2.drawContours(black, [approx],-1, (255, 255, 0), 2)#凸包
hull =cv2.convexHull(cnt)
cv2.drawContours(black, [hull],-1, (0, 0, 255), 2)
cv2.imshow("approx",black)
cv2.waitKey(0)
cv2.destroyAllWindows()
运行
参考:
Convex Hull 这个粉红色的,是不是萌妹版