问题：
我有一张从谷歌的静态地图 api 下载的图像。我使用这张图片基本上创建了一个用户点击的“魔杖”类型的功能。对于那些感兴趣的人，我正在使用图形切割算法来查找用户单击的形状。然后，我使用轮廓跟踪找到代表此形状边界的所有点（borderPoints）。
我的目标：
拉直线条（如果可能）并尽量减少边界点的数量（尽可能）。我目前的用例是房屋的屋顶，所以在大多数情况下，我希望我能找到角落并将它们用作边界点，而不是中间的所有不同点。但是由于像素线凹凸不平，我无法弄清楚如何找到这些角落。
我的解决方案尝试：
一种简单的技术是循环检查之前的点、当前点和之后的点。如果之前的点和之后的点具有相同的 x 或相同的 y，则可以删除当前点。这会稍微减少点数，但没有我想要的那么多。
我还尝试查看之前和之后的点，看看如果当前点不在某个斜率范围内，是否可以删除它，但收效甚微，因为偶尔会删除一个关键角点，因为图像有点模糊，而且角落有略微圆润的点。
我的问题：
有没有做这种事情的算法？如果是这样，它（他们）叫什么？如果没有，关于如何以编程方式解决这个问题的任何想法？
这听起来类似于Ramer-Douglas-Peucker 算法。通过利用所有点都位于网格上的事实，您可能会做得更好。
在我看来，您正在寻找 1 次的多项式近似值。
要快速回答您的问题，您可能需要阅读以下内容：http ://en.wikipedia.org/wiki/Simple_regression 。数值示例部分具体向您展示了如何计算您的线的方程。
多项式逼近允许您接近函数、曲线、点组，但是您想使用形式为 an.x^n + ... + a1.x^1 + a0 的多项式函数来调用它
在您的情况下，您需要一条线，因此您需要一个函数 a1.x + a0 ，其中将计算 a1 和 a0 以最小化您拥有的点集的误差。
有多种方法可以计算您的错误（称为规范）并将其最小化。例如，您可能有兴趣找到使与您拥有的任何点的距离最小的线（最小化最大值），或最小化与整个点集的距离（最小化绝对差的总和，或差的平方和等）
在算法方面，您可能需要专门查看 Chebyshev 近似和 Remez 算法。所有这些都解决了具有任意次数多项式的函数的逼近，但在您的情况下，您只关心 1 次。