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。