图像处理实验: 使用 cv.fitEllipse()函数对图像进行椭圆拟合

# 椭圆拟合 ## 实验目的和要求 尝试使用 cv.fitEllipse()函数，对图像进行椭圆拟合 ## 实验内容和原理 椭圆拟合 该函数使用的是最小二乘法拟合，要求输入的点至少有 6 个。       函数中对应的参数如下：  对输入图像的预处理 输入一张 RGB 图片，先转换为灰度图，本来打算先转换为二值图像再进行边缘检测的，但是发现二值化容易使阴影成为新的边缘，并丢失原有边缘信息，于是直接对灰度图进行了边缘检测。在边缘检测前还进行了降噪 边缘检测 用 Sobel Kernel 进行滤波，来计算 x 和 y 方向的导数。  对于每个像素，检测它是否为局部最大值，如果不是就设置为 0  输入的两个参数为 min 和 max，用来限定寻找的边缘范围（大于 max 的肯定是边缘，小于 min 的肯定不是，在 min 和 max 之间的则通过判断连通性等方式来判断。 实验步骤与分析 读入图片 读入后先去掉高频的信息（降噪）。然后保存一个 RGB 图像信息，存储一个 gray 灰度图信息。边缘信息 edge 直接从 gray 中提取，min 取到 100，max 取到 200。 ```python FILENAME = "dota2items4.bmp" img = cv.imread(FILENAME) img = cv.GaussianBlur(img, (5, 5), 0) rgb = cv.cvtColor(img, cv.COLOR_BGR2RGB) gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) # _, thresh = cv.threshold(gray, 130, 255, cv.THRESH_BINARY + cv.THRESH_OTSU) edge = cv.Canny(gray, 100, 200) ``` 使用 fitEllipse()函数 Ells 数组储存椭圆信息，recs 储存可以旋转的最小矩阵，recs2 储存正矩形信息。Cols 用于储存随机生成的颜色信息，方便区分不同椭圆和矩阵之间的对应关系 ```c++ img = rgb edge_ = cv.cvtColor(edge, cv.COLOR_GRAY2RGB) ells = [] recs = [] recs2 = [] cols = [] contours, nothing = cv.findContours(edge, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) for index, contour in enumerate(contours): if contour.shape[0] > 50: ells.append(cv.fitEllipse(contour)) recs2.append(cv.boundingRect(contour)) recs.append(cv.minAreaRect(contour)) random.seed(10) for i in range(len(ells)): cols.append([random.randint(0, 256) for j in range(3)]) ``` 绘制椭圆与矩形 同时在 RGB 图像和边缘图像中绘制，这是椭圆 ```c++ for index, ell in enumerate(ells): cv.ellipse(img, ell, cols[index], 2) cv.ellipse(edge_, ell, cols[index], 2) ``` 这是可旋转的矩形 ```c++ for index, rec in enumerate(recs): box = cv.boxPoints(rec) # cv2.boxPoints(rect) for OpenCV 3.x box = np.int0(box) cv.drawContours(img,[box],0,cols[index],1) cv.drawContours(edge_,[box],0,cols[index],1) ``` 绘制正矩形 ```c++ for index, rec2 in enumerate(recs2): x,y,w,h = rec2 cv.rectangle(img,(x,y),(x+w,y+h),cols[index],1) cv.rectangle(edge_,(x,y),(x+w,y+h),cols[index],1) ``` 实验结果 输入图像 图里左上角的 Hyper stone 具有很多同心圆信息，右上的 Clarity 有不规则曲线和直线信息，右下的 Tango 有圆形信息且整体外形近似椭圆，正下方的 Force Staff 有近似的圆形信息和直线。  输出： - RGB 图像因为进行过高斯滤波而稍微模糊  - GrayScale  - Thresh 可以看出，二值化后的图像失去了很多细节信息，同时引入了阴影的边缘信息，这是我们不太想要的  - Edge 根据灰度图生成了图像的边缘信息  Ellipse on Edge 大部分边缘信息拟合良好，但是图中红色箭头标出的浅蓝色椭圆很奇怪，通过分析，它对应的 contour 是左边浅蓝色矩形内部的信息，并不知道为什么会发生这样的事，也许是 bug？（这个现象同样在 Lena 图片中出现，根据搜索到的信息，可能是最小二乘法造成的问题）  下图为 Lena 照片下半部分，看得出左边深蓝色矩阵和右边的椭圆对应，但并没有任何重合。  Ellipse on RGB 看得出，那个浅蓝色椭圆与整个图片格格不入  心得体会 本来想直接用那种波点图像就算了，看见同学做了对奇怪的游戏 CG 的拟合，于是考虑到继续使用 Lena 姐姐的照片，但是羽毛帽的细节信息太多，导致效果并不十分好。于是找了 DOTA2 的物品图标（虽然效果很好，但是分辨率实在太低，于是找了二次创作的高清图像，效果还不错，各种情况下的效果都能看见）  比如这里非常标准的椭圆   这里对形状近似的物体的拟合  这个粉色应该是在拟合瓶子的左下边缘。 通过调大拟合时使用的点的数量阈值以及画的线的粗细，可以删除一些不靠谱的结果，防止出现一大团乱七八糟的线 的效果（如下）  （对应的其实是）