OpenCV：將單個圓擬合到圖像（在 Python 中）

Question

我有這樣的圖像：

我需要在黑暗區域擬合一個橢圓（注意：必須是橢圓，而不是圓）。 在 OpenCV 中執行此操作的最佳方法是什么？ 到目前為止，我的第一步是對其應用自適應 (Otsu) 閾值，結果是：

但我不確定從那里去哪里。 我正在用 Python 編寫應用程序，但更多的是我正在尋找的算法設計。

基於響應/評論的編輯：

好的，所以我已經嘗試了形態學。 根據OpenCV 文檔，我對其進行了 3 次迭代“關閉”操作（擴張，然后侵蝕）以去除小顆粒，結果：

然后，為了將其擴展回更接近原始形狀，我進行了 3 次迭代“打開”操作（腐蝕，然后膨脹），結果：

從這里開始，我做了 Canny 邊緣檢測，結果是：

現在，我在其上使用了findContours ，但遇到了問題。 它沿着邊緣發現了幾十個輪廓，每一個都是沿着圓周的一小段。 這意味着，即使我采用最大尺寸的輪廓，它也可能只代表周長的 10%，這不足以准確擬合橢圓。 這就是@Demi-Lune 建議的其他問題對我不起作用的原因； 它們都有非常干凈、銳利的邊緣， findContours找到了一個很好的單一輪廓，覆蓋了每個形狀的整個邊界，但對於我的凌亂圖像來說，這不會發生。 那么，從這里擬合橢圓的最佳方法是什么？

Answer 1

為什么不做“關閉”然后“打開”清除所有混亂的事情。

原始圖片：

大津：

關閉+打開; 都是7x7內核; 二進制圖像現在美觀整潔。

只檢測到一個輪廓：

橢圓如下:(請注意，您的圖像是圓形，因此橢圓應為圓形）

Answer 2

如果對象有圓形，那么使用cv2.minEnclosingCircle是好的。 或者，您可以使用cv2.fitEllipse查找對象周圍最合適的橢圓。 記得在黑色背景中找到與白色物體的輪廓。

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

在對圖像應用自適應閾值后，您可以使用形態學操作來使用cv2.erode()和cv2.dilate()來平滑圖像。 通過這些操作，您將能夠隔離主圓圖像並去除小顆粒噪聲。 接下來，您可以使用cv2.findContours()並過濾最大尺寸輪廓來定位圖像中的圓。 這將為您提供邊界框坐標，您可以在其中找到圓的中心。 一旦你有了中心坐標，你就可以適應你的日食。