原理：
Douglas-Peuckerアルゴリズム（Douglas-Peucker）を実現します。このアルゴリズムは、Douglas-Peuckerアルゴリズムおよび反復エンドポイントフィッティングアルゴリズムとも呼ばれます。これは、曲線を一連の点として近似し、点の数を減らすアルゴリズムです。元のタイプのアルゴリズムは、1972年にUrs Ramerによって提案され、1973年にDavidDouglasとThomasPeuckerによって提案され、その後数十年で使用されました。他の学者によって改善されました。
古典的なダグラス-ピューカーアルゴリズムは次のように説明されています。
（1）曲線の弦である曲線の始点と終点の2点AとBの間に直線ABを接続します。
（2）直線セグメントからの距離が最大の曲線上の点Cを取得し、ABからの距離dを計算します。
（3）距離の大きさを所定のしきい値しきい値と比較します。しきい値未満の場合、直線セグメントは曲線の近似値と見なされ、曲線のこのセグメントの処理が完了します。
（4）距離がしきい値より大きい場合は、Cを使用して曲線をACとBCの2つのセクションに分割し、2つのセクションでそれぞれ1〜3の処理を実行します。
（5）すべての曲線が処理されたら、各分割点を順番に接続して形成されたポリラインを曲線の近似値として使用できます。
成し遂げる：
接続領域のマーキング、接続領域属性の使用法、グラフに文字を重ねる方法、アークタンジェント関数の適用など、いくつかの詳細があります。
#encoding=utf-8
import cv2
import numpy as np
from skimage import measure
from skimage import morphology
import torch
import math
def threshold_demo(image):
gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
#//ret, binary = cv2.threshold(gray, 0, 255, 100)
#//print("threshold value %s"%ret)
binary = np.zeros((720,1280),dtype=np.uint8)
for u in range(720):
for v in range(1280):
if gray[u, v] < 10:
binary[u, v] = 255
return binary
if __name__ == '__main__':
oimg = cv2.imread('111.jpg')
img = threshold_demo(oimg)
cv2.imwrite("11111111.jpg", img)
flagimg = np.zeros((720,1280),dtype=np.uint8)
for u in range(720):
for v in range(1280):
if img[u, v] > 200:
flagimg[u, v] = 1
skeleton =morphology.skeletonize(flagimg)
flagimgx = np.zeros((720,1280),dtype=np.uint8)
for u in range(720):
for v in range(1280):
if skeleton[u, v] > 0:
flagimgx[u, v] = 255
lable = measure.label(flagimgx, connectivity = 2)
props = measure.regionprops(lable, intensity_image=None, cache=True)
for i in range(len(props)):
y0, x0, y1, x1 = props[i].bbox
flagmax = 0;
labelv = props[i].label
for j in range(len(props[i].coords)):
y,x = props[i].coords[j]
flag = 0
if y > 1 and y < 720 - 1 and x > 1 and x < 1280 - 1:
for l in range(y -1 ,y + 2):
for r in range(x -1 ,x + 2):
if lable[l ,r] == labelv:
flag += 1
if flag > flagmax:
flagmax = flag
if flag >= 4:
flagimgx[y, x] = 0
cv2.imwrite("middle.jpg", flagimgx)
lable = measure.label(flagimgx, connectivity = 2)
props = measure.regionprops(lable, intensity_image=None, cache=True)
num = 0
for i in range(len(props)):
are = props[i].area
#print("are = ", are)
if are > 172 and are < 200:
approx = cv2.approxPolyDP(props[i].coords, 1, False)
for u in range(len(approx) - 1):
y,x = approx[u][0]
flagimgx[y, x] = 100
font=cv2.FONT_HERSHEY_SIMPLEX
numx ='%d'%num
flagimgx = cv2.putText(flagimgx,numx,(x, y),font,0.5,(255,255,255),1)
y1,x1 = approx[u + 1][0]
# 斜率
aratio = (y1 - y) / (x1 - x)
print("num = ", aratio)
ang = math.atan(aratio)
ang = (ang * 180) / 3.1415926
print("ang = ", ang)
num = num + 1
cv2.imwrite("22222222.jpg", flagimgx)