> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/german/function-blocks/detections-shapes/shape-analysis/approximate-contour.md).
# Approximate Contour
Dieser Funktionsblock dient dazu, komplexe Formen, die in Bildern erkannt werden, zu vereinfachen, indem deren Konturen approximiert werden. Er reduziert die Anzahl der Punkte in der Kontur, während die Gesamtform der Kontur beibehalten wird, was eine effizientere Formenanalyse ermöglicht.
## 📥 Eingänge
`Image Any` Das ursprüngliche Bild, in dem die Konturen vorhanden sind.
`Contour` Die Konturdaten, die Sie approximieren möchten.
## 📤 Ausgänge
`Image Any` Das Ausgabebild, das sowohl die ursprüngliche Kontur als auch die approximierte Kontur anzeigt.
`Contour` Die approximierte Kontur, vereinfacht auf die minimal benötigte Anzahl von Kanten.
`Center` Die Koordinaten des Zentrums der approximierten Kontur.
`Perimeter` Die Länge des Umfangs der approximierten Kontur.
`Number of corners` Die Anzahl der Ecken in der approximierten Kontur.
## 🕹️ Steuerungen
`Epsilon` Ein Schieberegler, der den Grad der Approximation bestimmt. Ein kleinerer Epsilon-Wert führt zu einer Kontur, die dem Original sehr ähnlich ist, während ein größerer Epsilon eine einfachere Form ergibt.
## 🎨 Funktionen
`Contour Simplification` Der Block reduziert die Anzahl der Eckpunkte in der Kontur und vereinfacht so die Aufgaben der Formenerkennung.
`Visual Representation` Sowohl die ursprüngliche als auch die approximierten Konturen werden auf dem Ausgabebild für einen klaren visuellen Vergleich eingezeichnet.
`Feature Extraction` Es werden wichtige Formmetriken wie Umfang, Zentrum und Eckenanzahl ausgegeben.
## 📝 Nutzungshinweise
1. **Input Images**: Verbinden Sie das ursprüngliche Bild mit Konturen mit dem Eingangsbereich `Image Any` und die zu approximierende Kontur mit dem Eingangsbereich `Contour`.
2. **Set Epsilon**: Passen Sie den Schieberegler `Epsilon` an, um festzulegen, wie genau die approximierte Kontur dem Original entsprechen soll.
3. **Evaluate**: Führen Sie den Block aus, um die approximierte Kontur zusammen mit zusätzlichen Formmetriken zu erhalten und zu visualisieren.
## 📊 Bewertung
Wenn er ausgeführt wird, verarbeitet dieser Funktionsblock die Eingabe, um die approximierte Kontur zurückzugeben, zusammen mit einem Ausgabebild, das diese Annäherung auf der ursprünglichen Kontur überlagert.
## 💡 Tipps und Tricks
Den richtigen Epsilon finden
Wir empfehlen, mit einem niedrigeren Epsilon-Wert zu beginnen und ihn schrittweise zu erhöhen, um zu sehen, wie sich dies auf Ihre Ergebnisse auswirkt. Sie können ein Gleichgewicht zwischen Einfachheit und der Beibehaltung kritischer Merkmale der Kontur finden.
Vorbereitung der Konturerkennung
Für die besten Ergebnisse sollten Sie das Eingangsbild mit Rauschreduzierungstechniken wie `Blur` vor der Konturerfassung vorverarbeiten.
Konturen visualisieren
Um Konturen besser zu visualisieren, sollten Sie `Histogram On Curve` verwenden, um die Linienmerkmale zu analysieren, wenn Sie entlang definierter Kanten arbeiten.
## 🛠️ Fehlersuche
Kontur nicht erkannt
Wenn die Kontur nicht erkannt wird, stellen Sie sicher, dass der Bildeingang ein binäres oder korrekt schwellenwertiges Bild ist, da Konturen aus verrauschten Bildern nicht gut extrahiert werden können.
Ungültiger Epsilon-Wert
Überprüfen Sie, ob der Epsilon-Wert innerhalb eines akzeptablen Bereichs liegt. Wenn Sie unerwartetes Verhalten bei der Annäherung feststellen, ist dies ein guter Ausgangspunkt für die Fehlersuche.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://docs.augelab.com/german/function-blocks/detections-shapes/shape-analysis/approximate-contour.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.