什么是轮廓近似？
Contour approximation 使用Ramer - Douglas - Peucker (RDP)算法，旨在通过减少给定阈值的顶点来简化折线。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。我将在这里给出算法的粗略概念。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线最大距离的顶点。让我们将其称为max_point。如果max_point距离小于阈值，我们会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max_point超出阈值，我们将递归重复该算法，现在将其max_point作为参考之一，并重复检查过程。
假如，我们要 开发一个自动导航的机器人，在机器人导航的过程中，必然会搜集大量的路径数据，进而指导机器人的前进，但是很多时候，路径上的拐点很多，这就加大了计算的负担，如何能尽可能地保留原始路径数据，又可以降低大量的计算，这就需要路径的一些估算，这就要使用到本次的路径轮廓近似原理。
原始路径
轮廓近似后的图片
cv2.approxPolyDP实现轮廓近似原理
首先我们导入需要的第三方包，这里最主要的是CV2，然后使用imread函数加载一张本地的图片，由于我们将使用图像中形状的边界，因此我们将图像从 RGB 转换为灰度（第6 行）。一旦采用灰度格式，就可以使用 OpenCV 的threshold函数（第7-8行）轻松抠图该形状。
原图片以及隔离开的图形状
使用 OpenCV 的findContours函数，我们可以挑选出给定图像中所有可能的轮廓，我们使用了RETR_EXTERNAL参数，它只返回可用轮廓的单一表示，使用的另一个参数是CHAIN_APPROX_SIMPLE。这将删除单个链线连接中的许多顶点，这些顶点本质上是冗余的。然后我们从轮廓数组中抓取最大的轮廓，并使用drawContours函数把外框形状画出来。
for eps in np.linspace(0.001,0.05,10):
peri=cv2.arcLength(c,True)
approx=cv2.approxPolyDP(c,eps*peri,True)
output=image.copy()
cv2.drawContours(output,[approx],-1,(0,255,0),3)
text="eps={:.4f}, num_pts={}".format(eps,len(approx))
cv2.putText(output,text,(x,y-5),cv2.FONT_HERSHEY_SIMPLEX,0.5,(0,255,0),1)
print("[INFO]{}".format(text))
cv2.imshow("ApproximatedContour",output)
cv2.waitKey(0)
我们需要一个 value eps，它将作为测量顶点的阈值，利用此阈值进行轮廓近似计算的参数
在第2行，使用 计算轮廓的周长cv2.arcLength函数。然后我们使用该cv2.approxPolyDP函数，启动轮廓近似过程（第3行）。eps×peri乘积值充当近似精度，通过遍历不同的eps，进行轮廓的近似计算。
通过运行代码，我们可以看出，随着eps值不断增加，其轮廓顶点数不断减少，直到顶点数量不再减少为止，这表明轮廓近似算法确实有效。
[INFO] original, num_pts=402[INFO] eps=0.0010, num_pts=30[INFO] eps=0.0064, num_pts=25[INFO] eps=0.0119, num_pts=18[INFO] eps=0.0173, num_pts=15[INFO] eps=0.0228, num_pts=14[INFO] eps=0.0282, num_pts=10[INFO] eps=0.0337, num_pts=7[INFO] eps=0.0391, num_pts=6[INFO] eps=0.0446, num_pts=5[INFO] eps=0.0500, num_pts=5
当然，在应用中，我们需要找到合适的eps的值，以便在保证轮廓精度的情况下，降低计算的成本。
网友评论