凸轮廓与Douglas-Peucker算法：
大多数处理轮廓的时候，物体的形状（包括凸形状）都是变换多样的。凸形状内部的任意两点的连线都在该形状里面。
cv.approxPloyDP是一个计算进似多边形框的函数，该函数有三个参数：

• 第一个参数为“轮廓”
• 第二个参数为$\varepsilon $值，它表示圆轮廓与近似多边形的最大差值（这个值越小，近似多边形与源轮廓越接近）
• 第三个参数为“布尔标记”表示这个多边形是否闭和合
  $\varepsilon$是为所得到的近似多边形周长与轮廓之间的最大差值，差值越小，多边形轮廓越相似。

如果需要轮廓的周长信息可以通过Opencv的cv2.arcLength函数来完成：

epsilon=0.01*cv2.arcLength(cnt,True)
approx=cv2.approxPolyDP(cnt,epsilon,True)

通过OpenCV来有效计算一个近似多变形，多边形周长与源轮廓周长之比就为$\varepsilon$
为了计算图形状，需要用OpenCV的cv2.convexHull函数来获取处理过的轮廓信息，

hull =cv2.convexHull(cnt)

完整代码：

import cv2
import numpy as np

img = cv2.pyrDown(cv2.imread("hammer.jpg", cv2.IMREAD_UNCHANGED))

ret, thresh = cv2.threshold(cv2.cvtColor(img.copy(), cv2.COLOR_BGR2GRAY) , 127, 255, cv2.THRESH_BINARY)
black = cv2.cvtColor(np.zeros((img.shape[1], img.shape[0]), dtype=np.uint8), cv2.COLOR_GRAY2BGR)

image, contours, hier = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
  epsilon = 0.01 * cv2.arcLength(cnt,True)
  approx = cv2.approxPolyDP(cnt,epsilon,True)
  hull = cv2.convexHull(cnt)
  cv2.drawContours(black, [cnt], -1, (0, 255, 0), 2)
  cv2.drawContours(black, [approx], -1, (255, 255, 0), 2)
  cv2.drawContours(black, [hull], -1, (0, 0, 255), 2)

cv2.imshow("hull", black)
cv2.waitKey()
cv2.destroyAllWindows()