OpenCV：将单个圆拟合到图像（在 Python 中）

Question

我有这样的图像：

我需要在黑暗区域拟合一个椭圆（注意：必须是椭圆，而不是圆）。 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：

但我不确定从那里去哪里。 我正在用 Python 编写应用程序，但更多的是我正在寻找的算法设计。

基于响应/评论的编辑：

好的，所以我已经尝试了形态学。 根据OpenCV 文档，我对其进行了 3 次迭代“关闭”操作（扩张，然后侵蚀）以去除小颗粒，结果：

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：

从这里开始，我做了 Canny 边缘检测，结果是：

现在，我在其上使用了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的轮廓，它也可能只代表周长的 10%，这不足以准确拟合椭圆。 这就是@Demi-Lune 建议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边界，但对于我的凌乱图像来说，这不会发生。 那么，从这里拟合椭圆的最佳方法是什么？

Answer 1

为什么不做“关闭”然后“打开”清除所有混乱的事情。

原始图片：

大津：

关闭+打开; 都是7x7内核; 二进制图像现在美观整洁。

只检测到一个轮廓：

椭圆如下:(请注意，您的图像是圆形，因此椭圆应为圆形）

Answer 2

如果对象有圆形，那么使用cv2.minEnclosingCircle是好的。 或者，您可以使用cv2.fitEllipse查找对象周围最合适的椭圆。 记得在黑色背景中找到与白色物体的轮廓。

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 3

在对图像应用自适应阈值后，您可以使用形态学操作来使用cv2.erode()和cv2.dilate()来平滑图像。 通过这些操作，您将能够隔离主圆图像并去除小颗粒噪声。 接下来，您可以使用cv2.findContours()并过滤最大尺寸轮廓来定位图像中的圆。 这将为您提供边界框坐标，您可以在其中找到圆的中心。 一旦你有了中心坐标，你就可以适应你的日食。