目录
一、多边形的逼近
findContours后的轮廓信息countours可能过于复杂不平滑，可以用approxPolyDP函数对该多边形曲线做适当近似，这就是轮廓的多边形逼近。
apporxPolyDP就是以多边形去逼近轮廓，采用的是Douglas-Peucker算法（方法名中的DP）
DP算法原理比较简单，核心就是不断去找多边形最远的点加入形成新的多边形，直到最短距离小于指定的精度（阈值）。
approxPolyDP(curve, epsilon, closed, approxCurvel)
- curve 要逼近的轮廓
- epsilon 即DP算法使用的阈值
- closed 轮廓是否闭合
阈值越大，逼近效果越粗糙；阈值越小，逼近效果越好。
得到的approx本质是一个数组ndarray类型，因此画轮廓的时候需要加上\[\]变成列表类型。
示例代码如下：
import cv2
import numpy as np
# 导入图片
hand = cv2.imread("hand.png")
# 变为单通道黑白图片
gray = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)
# 二值化操作
ret, new_img = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(new_img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 复制一份原图
hand_copy = hand.copy()
# 直接在img_copy上面操作
cv2.drawContours(hand_copy, contours, -1, (0, 0, 255), 2)
# 使用多边形逼近，近似模拟手的轮廓
approx = cv2.approxPolyDP(contours[2], 20, closed=True)
# approx本质上是一个轮廓数据，是一个ndarray类型
print(approx)
print(type(approx))
# 二contours是一个元组/列表类型
# 画出近似逼近的轮廓
cv2.drawContours(hand_copy, [approx], -1, (0, 255, 0), 2)
cv2.imshow("img", np.hstack((hand, hand_copy)))
cv2.waitKey(0)
cv2.destroyAllWindows()输出结果如下：
二、凸包
逼近多边形是轮廓的高度近似，但是有时候，我们希望使用一个多边形的凸包来简化它。 凸包和逼近多边形很像，只不过它是物体最外层的凸多边形 。凸包指的是完全包含原有轮廓，并且仅由轮廓上的点所构成的多边形。 凸包的每一处都凸的，即**在凸包内连接任意两点的直线都在凸包的内部。**在凸包内，任意连续三个点的内角小于180°。
convexHull（points,hull \[,clockwise\[, returnpoints]]]）
- points 即轮廓
- colckwise 顺时针绘制
示例代码如下：
import cv2
hand = cv2.imread("hand.png")
# 二值化操作
gray = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)
# 二值化操作
thresh, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, hierarchy = cv2.findContours(binary, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 绘制轮廓
cv2.drawContours(hand, contours, 0, (0, 0, 255), 2)
# 多边形逼近
approx = cv2.approxPolyDP(contours[2], 20, True)
# 画出多边形逼近的轮廓
cv2.drawContours(hand, [approx], 0, (0, 0, 255), 2)
# 计算凸包
hull = cv2.convexHull(contours[2])
# 画出凸包
cv2.drawContours(hand, [hull], 0, (255, 0, 0), 2)
cv2.imshow("hand", hand)
cv2.waitKey(0)
cv2.destroyAllWindows()输出结果如下：
