本篇文章主要介绍了Python实现曲线点抽稀算法的示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

本文介绍了Python实现曲线点抽稀算法的示例，分享给大家，具体如下： 目录 何为抽稀 道格拉斯-普克(Douglas-Peuker)算法 垂距限值法 最后 正文 何为抽稀 在处理矢量化数据时，记录中往往会有很多重复数据，对进一步数据处理带来诸多不便。多余的数据一方面浪费了较多的存储空间，另一方面造成所要表达的图形不光滑或不符合标准。因此要通过某种规则，在保证矢量曲线形状不变的情况下， 最大限度地减少数据点个数，这个过程称为抽稀。 通俗的讲就是对曲线进行采样简化，即在曲线上取有限

本文实例为大家分享了Opencv实现最小外接矩形和圆的具体代码，供大家参考，具体内容如下 步骤：将一幅图像先转灰度，再canny边缘检测得到二值化边缘图像，再寻找轮廓，轮廓是由一系列点构成的，要想获得轮廓的最小外接矩形，首先需要得到轮廓的近似多边形，用道格拉斯-普克抽稀（DP）算法，道格拉斯-普克抽稀算法，是将曲线近似表示为一系列点，并减少点的数量的一种算法。 该算法实现抽稀的过程是： 1）对曲线的首末点虚连一条直线，求曲线上所有点与直线的距离，并找出最大距离值dmax，用dmax与事先给定的