干货 | 轮廓逼近原理与OpenCV应用（附Python-OpenCV文档下载）

导 读

本文主要介绍轮廓逼近的原理及其在OpenCV中的使用演示。同时可在文末获取Python-OpenCV学习文档pdf。

背景介绍

轮廓逼近的应用比较广泛，如下路线俯视图的简化：

通过迭代平滑一些顶点，从而产出更加线性的路线：

当然这只是轮廓逼近的其中一个应用，后续我们将详细介绍轮廓逼近的原理和OpenCV中的使用实例。

轮廓逼近的原理

轮廓近似使用Ramer–Douglas–Peucker(RDP)算法，旨在通过给定阈值减少折线的顶点来简化折线。通俗地说，我们采用一条曲线并减少其顶点数量，同时保留其大部分形状。如下图所示：

给定曲线的起点和终点，算法将首先找到距离连接两个参考点的直线距离最大的顶点。我们称它为 最大点 。 如果最大点位于小于阈值的距离，我们自动忽略起点和终点之间的所有顶点，使曲线成为一条直线。

如果最大点位于阈值之外，我们将递归地重复该算法，上图使最大点为参考之一，并重复检查过程。

注意某些顶点是如何被系统地消除的。 最后，我们保留了大部分信息，但处于不太复杂的状态。

OpenCV轮廓逼近实例

这里使用Python-OpenCV做演示，测试图像如下：

【1】转灰度图 + 二值化

src = cv2.imread('1.png')
cv2.imshow("src", src)
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
_, thres = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("thresh", thres)

【2】查找轮廓 + 绘制原始轮廓

#opencv4.6
cnts,_ = cv2.findContours(thres, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
output = src.copy()
cv2.drawContours(output, cnts[0], -1, (0, 255, 0), 2)
cv2.imshow("src-contour", output)

【3】轮廓逼近 + 不同参数结果比较

res = src.copy()
epsilon = 0.001 * cv2.arcLength(cnts[0], True)
approx = cv2.approxPolyDP(cnts[0],epsilon,True)
cv2.drawContours(res,[approx],-1,(255,0,0),2)

epsilon = 0.001 * 轮廓长度

epsilon = 0.01 * 轮廓长度

epsilon = 0.03 * 轮廓长度

epsilon = 0.05 * 轮廓长度

上图中，随着阈值逐渐增大，逼近结果越来越平滑，最后变为矩形。

完整代码：

import cv2
import numpy as np
src = cv2.imread('1.png')
cv2.imshow("src", src)
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
_, thres = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("thresh", thres)
cnts,_ = cv2.findContours(thres, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
output = src.copy()
cv2.drawContours(output, cnts[0], -1, (0, 255, 0), 2)
cv2.imshow("src-contour", output)
res = src.copy()
epsilon = 0.05 * cv2.arcLength(cnts[0], True)