OpenCV：将单个圆圈拟合到图像（在 Python 中）

Question

我有这样的图像：

我需要在暗区设置一个椭圆（注意：必须是椭圆，而不是圆形）。在 OpenCV 中执行此操作的最佳方法是什么？到目前为止，我的第一步是对其应用自适应 (Otsu) 阈值，结果是：

但我不知道从那里去哪里。我正在用 Python 编写应用程序，但它更像是我正在寻找的算法设计。

根据回复/评论进行编辑：

好的，所以我已经尝试了形态学。基于OpenCV documentation，我对其进行了3次迭代“关闭”操作（膨胀，然后腐蚀）以去除小颗粒，结果是：

然后，为了将其扩展回更接近原始形状，我进行了 3 次迭代“打开”操作（腐蚀，然后膨胀），结果是：

从这里开始，我做了 Canny 边缘检测，结果是：

现在，我在上面使用了findContours，但遇到了问题。它沿着边缘发现了几十个轮廓，每一个都是沿着圆周的一小段。这意味着，即使我采用最大尺寸轮廓，它也可能只代表周长的 10%，这不足以准确拟合椭圆。这就是为什么@Demi-Lune 提出的其他问题对我不起作用的原因；它们都有非常干净、锐利的边缘，findContours 找到了一个很好的单一轮廓，覆盖了每个形状的整个周边，但对于我的混乱图像来说，这不会发生。那么，从这里拟合椭圆的最佳方法是什么？

Answer 1

如果对象是圆形的，那么使用cv2.minEnclosingCircle 是好的。或者，您可以使用cv2.fitEllipse 找到对象周围最适合的椭圆。记得在黑色背景中找到带有白色物体的轮廓。

import cv2
import numpy as np

img = cv2.imread("1.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
thresh = cv2.bitwise_not(thresh)

element = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=(5, 5))

morph_img = thresh.copy()
cv2.morphologyEx(src=thresh, op=cv2.MORPH_CLOSE, kernel=element, dst=morph_img)

contours,_ = cv2.findContours(morph_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

areas = [cv2.contourArea(c) for c in contours]
sorted_areas = np.sort(areas)

#bounding box (red)
cnt=contours[areas.index(sorted_areas[-1])] #the biggest contour
r = cv2.boundingRect(cnt)
cv2.rectangle(img,(r[0],r[1]),(r[0]+r[2],r[1]+r[3]),(0,0,255),2)

#min circle (green)
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

#fit ellipse (blue)
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(255,0,0),2)


cv2.imshow("morph_img",morph_img)
cv2.imshow("img", img)
cv2.waitKey()

Answer 2

你为什么不先“关闭”然后“打开”来清除所有混乱。

原始图像：

大津：

关闭+打开；两者都具有 7x7 内核；二进制图像现在既漂亮又干净。

只检测一个轮廓：

椭圆如下：（请不要说您的图像是圆形，所以椭圆应该是圆形）