輪廓特徵(Contour Feature)又稱為輪廓描述子(Contour Descriptor)，目的是根據影像中的物件輪廓，使用量化的數據，描述物件的輪廓特徵。

1.多邊形近似

　多邊形近似(Polygon Approximation)演算法，目的是將輪廓以多邊形表示，並且採用較少的頂點，用來近似原始的輪廓。

　OpenCV提供的多邊形近似演算法，是根據 Douglas-Peucker演算法設計，採用遞迴方式分割原始輪廓，其中牽涉的參數稱為ε，是近似過程中的距離誤差值。通常，若ε的值愈小，則近似多邊形輪廓愈接近原始的平滑輪廓。

程式碼如下

 import numpy as np
import cv2
import math

def polygon_approximation(f, epislon):
    g = f.copy()
    nr, nc = f.shape[: 2]
    contours, hierarchy = cv2.findContours(f, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
    approx = cv2.approxPolyDP(contours[0], epislon, True)

    for x in range(nr):
        for y in range(nc):
            if f[x, y] != 0:
                g[x, y] = 100
    
    cv2.drawContours(g, [approx], -1, (255, 255, 255))
    return g

def main():
    img1 = cv2.imread("D:/Desktop/IThome/bug.bmp", 0)
    img2 = polygon_approximation(img1, 5)
    cv2.imshow("Original", img1)
    cv2.imshow("After", img2)
    cv2.waitKey()
    cv2.destroyAllWindows()

main()

　上述程式碼選取的ε值為5，結果如下: