计算机视觉 / 系统课时
使用多边形近似
使用多边形近似
轮廓常常包含数百个像素点,直接用它判断形状既慢又容易受噪声影响。多边形近似会在尽量保持轮廓外形的前提下压缩点数;本课用 cv2.approxPolyDP 把轮廓化为少量顶点,并据此识别三角形和四边形。
学习目标
- 能用
cv2.arcLength与cv2.approxPolyDP简化闭合轮廓。 - 能根据周长比例设置
epsilon,判断简化过弱或过强。 - 能把顶点数量作为形状分类的第一层规则,并知道它的边界。
从密集轮廓得到有限顶点
cv2.approxPolyDP(curve, epsilon, closed) 使用 Douglas-Peucker 思路删除对形状贡献较小的点。epsilon 表示近似曲线与原轮廓允许的最大偏差;对闭合物体通常把 closed 设为 True。实践中不要直接写固定像素值,而是先算周长 L = cv2.arcLength(contour, True),再从 epsilon = 0.02 * L 开始调。

用 epsilon 控制简化强度
对同一条轮廓,比例越小,保留的细节越多;比例越大,顶点越少。可先用周长比例做三档试验,再根据目标尺寸和噪声调整。
epsilon / L |
常见表现 | 适合用途 |
|---|---|---|
0.005 |
保留很多边缘抖动,顶点较多 | 需要较精细轮廓 |
0.02 |
常能保留主要拐角 | 基础几何形状识别的起点 |
0.05 |
简化明显,可能吞掉短边 | 只关心大体形状 |
如果矩形边缘有轻微锯齿,0.02 往往比固定 epsilon=2 更容易跨不同尺寸工作。若一个本应为四边形的目标被压成三角形,应减小比例;若得到 8~12 个抖动顶点,则应先去噪或略增比例。
完整示例:识别三角形和四边形
下面的程序自己生成一张二值图,因此不依赖外部图片。它先提取两条外轮廓,再按轮廓周长的 2% 做近似,最后根据顶点数量标注形状。
import cv2
import numpy as np
mask = np.zeros((260, 520), dtype=np.uint8)
triangle = np.array([[70, 210], [150, 50], [230, 210]], dtype=np.int32)
cv2.fillPoly(mask, [triangle], 255)
cv2.rectangle(mask, (300, 70), (470, 210), 255, -1)
contours, _ = cv2.findContours(
mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE
)
contours = sorted(contours, key=lambda c: cv2.boundingRect(c)[0])
canvas = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
for index, contour in enumerate(contours, start=1):
# 用轮廓周长的固定比例定义允许误差,避免尺寸变化后失效。
perimeter = cv2.arcLength(contour, True)
approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)
vertices = len(approx)
label = "triangle" if vertices == 3 else "quadrilateral" if vertices == 4 else "other"
cv2.polylines(canvas, [approx], True, (0, 0, 255), 2)
x, y, _, _ = cv2.boundingRect(approx)
cv2.putText(canvas, label, (x, y - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
print(f"shape {index}: vertices={vertices}, label={label}")
cv2.imwrite("polygon_approx.png", canvas)
print("saved: polygon_approx.png")预期输出
shape 1: vertices=3, label=triangle
shape 2: vertices=4, label=quadrilateral
saved: polygon_approx.png生成的 polygon_approx.png 中,红线是近似后的轮廓。原始轮廓分别有数百个点,但三角形只保留 3 个顶点,矩形只保留 4 个顶点,这正是后续分类最有价值的压缩结果。
顶点数量只做第一层判断
len(approx) == 4 只能说明目标近似为四边形,不能直接断言它是正方形。实际项目中可继续用 cv2.boundingRect 得到宽高,计算 w / h;例如把 0.9~1.1 作为“近似正方形”的初筛范围,再结合角度或边长检查。三角形通常对应 3 个顶点,五边形对应 5 个,但文字、锯齿物体和遮挡轮廓不能只靠顶点数分类。