一、多边形逼近

参照函数:

approxPolyDP就是以多边形去逼近轮廓，采用的是Douglas-Peucker算法(DP)

DP算法原理比较简单，核心就是不断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。

案例代码如下:

import cv2
import numpy as np

# 该图像显示效果是黑白的，但是实际上确实三个通道的彩色图像
img = cv2.imread('6.jpg')

# 变成单通道的黑白图片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 二值化，注意有两个返回值，阈值和结果
ret,binary = cv2.threshold(gray,150,255,cv2.THRESH_BINARY)

# 轮廓查找,新版本返回两个结果，轮廓和层级，老版本返回三个 参数，图像，轮廓和层级
result,contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓会直接修改原图
# 如果想保持原图不变，建议copy一份
img_copy = img.copy()
cv2.drawContours(img_copy,contours,0,(0,0,255),2)

# 使用多边形逼近，近似模拟手的轮廓
approx = cv2.approxPolyDP(contours[0],5,closed=True)
# 画出多边形逼近的轮廓
cv2.drawContours(img_copy,[approx],0,(0,0,255),2)


# 释放资源
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

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。凸包跟逼近多边形很像，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。凸包的每一处都是凸的，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°。

案例代码如下:

import cv2
import numpy as np

img = cv2.imread('6.jpg')

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 二值化
thersh,binary = cv2.threshold(gray,150,255,cv2.THRESH_BINARY)

# 查找轮廓
result,contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# 绘制轮廓(0代表一个轮廓)
cv2.drawContours(img,contours,0,(0,0,255),2)

# 多边形逼近
approx = cv2.approxPolyDP(contours[0],20,closed=True)
# 画出轮廓
cv2.drawContours(img,[approx],0,(0,0,255),2)

# 凸包
hull = cv2.convexHull(contours[0])
# 画出凸包
cv2.drawContours(img,[hull],0,(255,0,0),2)

cv2.imshow('img',img)

cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果如下:

三、最小外接矩形与最大外接矩形

外接矩形分为最小外接矩形与最大外接矩形

案例代码如下:

import cv2
import numpy as np

# 该图像显示效果是黑白的，但是实际上确实三个通道的彩色图像
img = cv2.imread('6.jpg')

# 变成单通道的黑白图片
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 二值化，注意有两个返回值，阈值和结果
ret,binary = cv2.threshold(gray,150,255,cv2.THRESH_BINARY)

# 轮廓查找,新版本返回两个结果，轮廓和层级，老版本返回三个 参数，图像，轮廓和层级
result,contours,hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

# rect是一个旋转的矩形，矩形的其实坐标(x,y)，矩形的长宽，矩形旋转角度
# 画最小外接矩形
rect = cv2.minAreaRect(contours[1])
# 坐标必须为整数，需要转换一下
box = cv2.boxPoints(rect)
box = np.int0(box)
# 或者四舍五入一下
box = np.round(box).astype('int64')
cv2.drawContours(img,[box],0,(255,0,0),2)


# 最大外接矩形,返回最大外接矩形的参数,(x,y),(w,h)
x,y,w,h = cv2.boundingRect(contours[1])
cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)

运行结果如下: