Question

我正在使用基于this example的代码，并想知道是否有任何方法可以找出“好”的方法。椭圆拟合是。我有一些椭圆，只是非常适合我的数据，我想摆脱它们，而一些椭圆几乎是完美的。

我希望保持良好的适应性并摆脱糟糕的情况。我怎样才能在opencv？

中执行此操作

Answer 1

您可以在文献中找到几种方法，例如：

检查 Dilip K. Prasad，Maylor K.H. Leung和Siu-Yeung Cho，“基于边缘曲率和凸性的椭圆检测方法”，模式识别，2012。，Section 4.2
检查 Fornaciari，Michele，Andrea Prati和Rita Cucchiara。 “用于嵌入式视觉应用的快速有效的椭圆探测器。”模式识别47.11（2014）：3693-3708。 Section 3.3.1

然而，一种非常简单的方法可以是属于轮廓和椭圆的像素数。您可以计算它，例如，在两个单独的黑色初始化图像上绘制轮廓和椭圆，并计算交叉点的数量，即两个图像的逻辑AND的白色像素的数量。

为了更加健壮，您可以使用线宽2绘制轮廓和椭圆。这将导致略微错位的估计，但仍然在感知上正确。

例如，给定此输入图像：

你可以看到好的椭圆朝向绿色，而糟糕的结果是朝向红色：

代码：

#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

int main()
{
    // Load image
    Mat3b img = imread("path_to_image");

    // Convert to grayscale. Binarize if needed
    Mat1b bin;
    cvtColor(img, bin, COLOR_BGR2GRAY);

    // Find contours
    vector<vector<Point>> contours;
    findContours(bin.clone(), contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    // For each contour
    for (int i = 0; i < contours.size(); ++i)
    {
        // Find ellipse
        RotatedRect ell = fitEllipse(contours[i]);

        // Draw contour
        Mat1b maskContour(img.rows, img.cols, uchar(0));
        drawContours(maskContour, contours, i, Scalar(255), 2);

        // Draw ellips
        Mat1b maskEllipse(img.rows, img.cols, uchar(0));
        ellipse(maskEllipse, ell, Scalar(255), 2);

        // Intersect
        Mat1b intersection = maskContour & maskEllipse;

        // Count amount of intersection
        float cnz = countNonZero(intersection);
        // Count number of pixels in the drawn contour
        float n = countNonZero(maskContour);
        // Compute your measure
        float measure = cnz / n;

        // Draw, color coded: good -> gree, bad -> red
        ellipse(img, ell, Scalar(0, measure*255, 255 - measure*255), 3);

    }

    imshow("Result", img);
    waitKey();


    return 0;
}

在OpenCV中查找椭圆的成本

1 个答案: