Matlab中边缘检测器输出闭合曲线的线序列近似代码求助

你需要的任务本质是二维轮廓多边形逼近，可以直接用以下两个无额外依赖的免费Matlab代码实现，支持自定义误差阈值，满足最小二乘类的误差度量要求：

方案1：Ramer-Douglas-Peucker 轮廓简化算法 #

这个算法是目前边缘矢量化最常用的方案，误差计算逻辑为点到拟合线段的垂直距离，你可以通过调整阈值控制特征保留程度，阈值越小保留的边缘细节越多。

function simplified_points = rdp_simplify(points, epsilon)
% points: N*2 输入的二维边缘点集，按轮廓顺序排列，闭合轮廓首尾点一致
% epsilon: 距离阈值，单位和输入点坐标一致
    if size(points,1) <= 2
        simplified_points = points;
        return;
    end
    % 计算所有点到首尾连线的距离
    start_point = points(1,:);
    end_point = points(end,:);
    line_vec = end_point - start_point;
    line_len = norm(line_vec);
    if line_len == 0
        dists = sqrt(sum((points - start_point).^2, 2));
    else
        cross_vec = cross([line_vec, 0], [points - start_point, zeros(size(points,1),1)], 2);
        dists = abs(cross_vec(:,3)) / line_len;
    end
    [max_dist, max_idx] = max(dists);
    if max_dist > epsilon
        left_part = rdp_simplify(points(1:max_idx,:), epsilon);
        right_part = rdp_simplify(points(max_idx:end,:), epsilon);
        simplified_points = [left_part(1:end-1,:); right_part];
    else
        simplified_points = [start_point; end_point];
    end
    % 针对闭合轮廓自动处理首尾重复
    if isequal(simplified_points(1,:), simplified_points(end,:)) && size(simplified_points,1) > 1
        simplified_points = simplified_points(1:end-1,:);
        simplified_points = [simplified_points; simplified_points(1,:)];
    end
end

使用示例：

% 示例使用方法
% 假设你的边缘点集是按顺序排列的N*2矩阵 contour_points
epsilon = 2; % 自定义阈值，根据你的坐标尺度调整
simplified_contour = rdp_simplify(contour_points, epsilon);
% 绘制对比效果
plot(contour_points(:,1), contour_points(:,2), 'b.', 'DisplayName', '原始边缘点');
hold on;
plot(simplified_contour(:,1), simplified_contour(:,2), 'r-', 'LineWidth', 1.5, 'DisplayName', '近似直线序列');
legend; axis equal;

方案2：带最小二乘约束的分段直线拟合 #

如果需要严格基于最小二乘误差度量，可以用以下分段拟合实现，累计误差超过阈值时新增分段点，每段输出直线都是对应点集的最小二乘拟合结果：

function fit_segments = ls_polyfit_contour(points, error_threshold)
% points: N*2 有序边缘点集，闭合轮廓首尾一致
% error_threshold: 最小二乘拟合最大允许均方误差
    n = size(points,1);
    fit_segments = [];
    start_idx = 1;
    while start_idx < n
        best_end = start_idx + 2;
        while best_end <= n
            segment_points = points(start_idx:best_end,:);
            % 最小二乘拟合直线 ax + by + c = 0
            x = segment_points(:,1);
            y = segment_points(:,2);
            A = [x, y, ones(length(x),1)];
            [~, ~, V] = svd(A, 0);
            params = V(:,end);
            % 计算拟合均方误差
            errors = abs(A * params) / sqrt(params(1)^2 + params(2)^2);
            mse = mean(errors.^2);
            if mse > error_threshold
                break;
            end
            best_end = best_end + 1;
        end
        % 保存当前拟合段的端点
        fit_segments = [fit_segments; points(start_idx,:), points(best_end-1,:)];
        start_idx = best_end - 1;
    end
    % 闭合轮廓补全最后一段
    if ~isequal(fit_segments(end,3:4), fit_segments(1,1:2))
        fit_segments = [fit_segments; fit_segments(end,3:4), fit_segments(1,1:2)];
    end
end

使用注意 #

• 以上两份代码均无第三方依赖，直接复制到Matlab工作目录即可调用
• 输入的点集需要是按轮廓顺序排列的有序点集，如果你的边缘点是无序的，可以先调用Matlab自带的boundary函数排序后再输入
• 阈值参数需要根据你点集的坐标尺度调整，阈值越大输出的直线段数量越少，拟合误差越大

内容的提问来源于stack exchange，提问作者Günter Bachelier