第二和第三种方法怎么用？

第二种方法是使用`cv2.approxPolyDP`函数对轮廓进行抽稀，以减少重复的点。这可以通过以下代码实现：

import cv2
import numpy as np

# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用Canny边缘检测算法得到图像边缘
edges = cv2.Canny(gray, 30, 100)

# 使用findContours函数得到轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 对每个轮廓进行抽稀
for contour in contours:
    epsilon = 0.01 * cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, epsilon, True)
    cv2.drawContours(img, [approx], 0, (0, 255, 0), 3)

# 显示结果
cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，`epsilon`参数是折线与原始轮廓之间的最大距离。较小的值将导致更接近于原始轮廓，但可能会产生更多的点。较大的值将导致更少的点，但可能会导致轮廓形状与原始轮廓有较大的差异。

第三种方法是调整`QGraphicsView`视图的比例和位置，以确保轮廓正确地显示在屏幕上。这可以通过以下代码实现：

import cv2
import numpy as np
from PyQt5.QtGui import *
from PyQt5.QtCore import *
from PyQt5.QtWidgets import *

# 创建QGraphicsView窗口
app = QApplication([])
view = QGraphicsView()

# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用Canny边缘检测算法得到图像边缘
edges = cv2.Canny(gray, 30, 100)

# 使用findContours函数得到轮廓
contours, hierarchy = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在QGraphicsView中显示图像和轮廓
scene = QGraphicsScene()
pixmap = QPixmap.fromImage(QImage(img.data, img.shape[1], img.shape[0], QImage.Format_RGB888))
item = QGraphicsPixmapItem(pixmap)
scene.addItem(item)
for contour in contours:
    polygon = QPolygonF([QPointF(point[0][1], point[0][0]) for point in contour])
    scene.addPolygon(polygon, pen=QPen(Qt.green, 2))

# 调整视图的比例和位置
view.setScene(scene)
view.fitInView(item, Qt.KeepAspectRatio)
view.setHorizontalScrollBarPolicy(Qt.ScrollBarAlwaysOff)
view.setVerticalScrollBarPolicy(Qt.ScrollBarAlwaysOff)

# 显示结果
view.show()
app.exec_()

在上面的代码中，我们使用`QGraphicsView`和`QGraphicsScene`来显示图像和轮廓。我们还使用`view.fitInView`方法调整视图的比例和位置，以适应图像和轮廓的大小。最后，我们使用`view.setHorizontalScrollBarPolicy`和`view.setVerticalScrollBarPolicy`方法来禁用滚动条，以确保轮廓正确地显示在屏幕上。