椭圆检测与拟合

欢迎到YangHan's Notebook 椭圆检测与拟合获得更佳阅读体验。

实验目标

调⽤CvBox2D cvFitEllipse2( const CvArr* points )实现椭圆拟合

实验环境

Windows 10 1709
OpenCV 3.3

实验过程

实现了一个fitEllipse()函数，函数原型如下：

void fitEllipse(char* filename, int threshold);

传入图片路径，然后显示出图片椭圆拟合之后的效果。

支持命令行解析图片路径参数。

FitEllipse.exe  test.png

如果没有路径参数，默认时当前目录下的test.png。

首先把图片读进来，包括一份灰度图和一份原图。

Mat gray_img = imread(filename, IMREAD_GRAYSCALE);
Mat result = imread(filename);

把灰度图二值化：

Mat binary_img = gray_img >= thresh;

然后使用findContours()检测二值化图像的轮廓点。

findContours(binary_img, contours, RETR_LIST, CHAIN_APPROX_NONE);

其中，参数3可以取值为：

RETR_EXTERNEL: 只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略
RETR_LIST: 检测所有的轮廓，包括内围、外围轮廓，但是检测到的轮廓不建立等级关系，彼此之间独立，没有等级关系，这就意味着这个检索模式下不存在父轮廓或内嵌轮廓
RETR_CCOMP: 检测所有的轮廓，但所有轮廓只建立两个等级关系，外围为顶层，若外围内的内围轮廓还包含了其他的轮廓信息，则内围内的所有轮廓均归属于顶层
RETR_TREE: 检测所有轮廓，所有轮廓建立一个等级树结构。外层轮廓包含内层轮廓，内层轮廓还可以继续包含内嵌轮廓。

这里我们只选择RETR_LIST即可满足椭圆拟合的要求。

参数4可以取值为:

CHAIN_APPROX_NONE 保存物体边界上所有连续的轮廓点到contours向量内
CHAIN_APPROX_SIMPLE 仅保存轮廓的拐点信息，把所有轮廓拐点处的点保存入contours向量内，拐点与拐点之间直线段上的信息点不予保留

CHAIN_APPROX_TC89_L1, CHAIN_APPROX_TC89_KCOS: 使用teh-Chin Chain 近似算法

这里直接选择简单的CHAIN_APPROX_NONE。

然后对于检测出的轮廓点，用椭圆去拟合：

for each (auto contour in contours)
{
  if (contour.size() < 6) continue;
  RotatedRect box = fitEllipse(contour);
  ellipse(result, box, Scalar(0, 255, 255), 1, LINE_AA);
}

椭圆的拟合至少需要6个点，所以把少于6个点的检测结果直接丢弃，然后对于剩下的点用cv2::fitEllipse()来拟合，然后把椭圆绘制在原图上。

之后再保存结果就行了。

实验结果

原图：

test.png

结果：

result.png

可以看到椭圆基本上都检测并拟合出来了。

心得体会

这次实验就是先检测出图像的轮廓点，然后用fitEllipse()函数来拟合椭圆，整体不是太难。然后注意到一点就是imread()读入图片的时候第二个参数可以选择读入的模式，可以用IMREAD_GRAYSCALE让其读入单通道的图片矩阵数据。

附：源代码

// main.cpp
#include 
#include 
using namespace std;
using namespace cv;

void fitEllipse(char* filename, int threshold);

int main(int argc, char** argv) {
    char* filename;

    if (argc == 2) {
        filename = argv[1];
    }
    else {
        filename = "test.png";
    }


    fitEllipse(filename, 150);
    cvWaitKey(0);
    destroyAllWindows();

    return 0;
}


void fitEllipse(char* filename, int thresh) {

    Mat gray_img = imread(filename, IMREAD_GRAYSCALE);
    Mat result = imread(filename);
    vector> contours;
    Mat binary_img = gray_img >= thresh;
    findContours(binary_img, contours, RETR_LIST, CHAIN_APPROX_NONE);
    for each (auto contour in contours)
    {
        if (contour.size() < 6) continue;
        RotatedRect box = fitEllipse(contour);
        ellipse(result, box, Scalar(0, 255, 255), 1, LINE_AA);
    }

    imwrite("result.png", result);
    imshow(filename, gray_img);
    imshow("result", result);
}

2018-01-15 椭圆检测与拟合