如何在不使用opencv中的fitEllipse（）的情况下检测图像中的椭圆？

Question

我正在尝试使用C ++在OpenCV中检测椭圆内核。我试过获取Canny边，然后在边上使用fitEllipse（）函数。虽然这可以找到椭圆，但是当图像有噪声或者有很多边缘时，精度是可怕的。

我已经意识到要走的路是检测省略号，而不是拟合它们。也许像霍夫圈子，但椭圆？我也不知道椭圆的长度，因为它在图像之间变化。

有人可以帮我开始吗？所有相关的答案都很模糊，我只想指出从哪里开始。

Answer 1

如您所知，您不需要椭圆拟合，而是椭圆检测。

您可以在my other answer中找到两篇提供C ++代码的论文。我将在此报告完整性：

  

  

1. 升。 Libuda，I。Grothues，K.-F。 Kraiss，数字图像中的椭圆检测   使用几何特征的数据，在：J. Braz，A。Ranchordas，H。Arajo，   J. Jorge（编辑），计算机图形学与计算机视觉进展，   计算机与信息科学通讯第4卷，   Springer Berlin Heidelberg，2007，pp.229-239。 link，code

  

2. 微米。 Fornaciari，A。Prati，R。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，2014 link，code

  

通过实施这两篇论文，移植到OpenCV this matlab script也相当容易：

• “一种新的高效椭圆检测方法”（Yonghong Xie Qiang，Qiang Ji / 2002）
• “使用结果聚类进行椭圆检测的随机Hough变换”（CA Basca，M Talos，R Brad / 2005）

另一个非常有趣的算法是：

• 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。

可以找到Matlab代码here

直接应用Hough变换对于椭圆是不可行的，因为您将在5维参数空间中工作。这将非常缓慢，而且不准确。因此提出了许多算法。在这里提到的那些：

• Xie和Ji的方法很有名，很容易（但仍然很慢）
• Basca等。方法更快，但可能不准确
• Prasad等。方法很快，而且非常准确。
• Libuda等。方法非常快速和准确
• Fornaciari等。方法是最快的，但在特定情况下可能不准确。

有关椭圆检测的最新参考书目，您可以参考this页面。