【笔记】OpenCV3 图形处理-轮廓检测-近似多边形、凸包（六）

先来看一下凸包，百度百科一下。。。

• cv2.convexHull 根据轮廓数据，计算出凸包点，默认逆时针方向

测试下试试

for c in contours:

    hull = cv2.convexHull(c)
    cv2.drawContours(imgD, [hull], -1, (0, 0, 255), 2)
    #cv2.polylines(imgD,[hull],True,(0,0,255),1)

• cv2.approxPolyDP 对图形轮廓进行多边形拟合，逼近的函数，可以调整精度

for c in contours:

    epsilon = 0.001*cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, epsilon, True)
    cv2.drawContours(imgD, [approx], -1, (255, 0, 0), 2)

中间使用了 cv2.arcLength函数，计算轮廓周长的函数，第二个参数，设置是否闭合。

多边形周长与源轮廓之比，就是这个逼近的参数，值越小，越接近

通过调整在整个周长的比例，可以看到逼近的效果的变化，越来越逼近

    epsilon = 0.1*cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, epsilon, True)
    cv2.drawContours(imgD, [approx], -1, (255, 0, 0), 2)

    approx = cv2.approxPolyDP(c, epsilon*0.1, True)
    cv2.drawContours(imgD1, [approx], -1, (255, 0, 0), 2)

    approx = cv2.approxPolyDP(c, epsilon*0.1*0.1, True)
    cv2.drawContours(imgD2, [approx], -1, (255, 0, 0), 2)

    approx = cv2.approxPolyDP(c, epsilon*0.1*0.1*0.1, True)
    cv2.drawContours(imgD3, [approx], -1, (255, 0, 0), 2)

这个函数采用的是道格拉斯-普克算法（Douglas-Peucker）来实现，在博客中看到一个对该算法的解释，感觉比如容易懂，摘抄过来记录下。。

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

对应的示意图

研究完OpenCV的书了，自己来尝试实现这些算法。。。