OpenCV：使单个圆适合图像（在Python中）

Question

我有这样的图像：

我需要使椭圆适合深色区域（请注意：必须是椭圆，而不是圆形）。在OpenCV中执行此操作的最佳方法是什么？到目前为止，我的第一步是对其应用自适应（Otsu）阈值，结果是：

但是我不确定从那里去哪里。我正在用Python编写应用程序，但更多的是我正在寻找的算法设计。

根据回复/评论进行编辑：

好的，所以我已经尝试了形态。基于OpenCV documentation，我对其进行了3次迭代“关闭”操作（先膨胀，然后腐蚀），以去除小颗粒，结果是：

然后，为了将其扩展回更接近原始形状，我进行了3次迭代“打开”操作（侵蚀，然后膨胀），结果为：

在这里，我进行了Canny边缘检测，结果是：

现在，我在上面使用了findContours，但是遇到了问题。它沿边缘发现了数十个轮廓，每个轮廓沿圆周有一小段。这意味着，即使我采用最大尺寸的轮廓，它也只能代表圆周的10％，不足以精确地拟合椭圆。这就是为什么@ Demi-Lune提出的其他问题对我不起作用的原因。它们都具有非常干净，锋利的边缘，findContours找到了一个不错的单一轮廓，该轮廓覆盖了每种形状的整个压电体，但是对于我的凌乱图像而言，不会发生这种情况。那么，从这里拟合椭圆的最佳方法是什么？

Answer 1

为什么不先执行“关闭”然后执行“打开”操作以清除所有混乱情况。

原始图片：

大津：

关闭+打开；都具有7x7内核;现在的二进制图像既漂亮又干净。

仅检测到一个轮廓：

椭圆为：（请不要使图像为圆形，所以椭圆应为圆形）

Answer 2

如果对象为圆形，则使用cv2.minEnclosingCircle是好的。否则，您可以使用cv2.fitEllipse在对象周围找到最合适的椭圆。记住要在黑色背景下找到带有白色物体的轮廓。

import cv2
import numpy as np

img = cv2.imread("1.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_,thresh = cv2.threshold(gray,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
thresh = cv2.bitwise_not(thresh)

element = cv2.getStructuringElement(shape=cv2.MORPH_RECT, ksize=(5, 5))

morph_img = thresh.copy()
cv2.morphologyEx(src=thresh, op=cv2.MORPH_CLOSE, kernel=element, dst=morph_img)

contours,_ = cv2.findContours(morph_img,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)

areas = [cv2.contourArea(c) for c in contours]
sorted_areas = np.sort(areas)

#bounding box (red)
cnt=contours[areas.index(sorted_areas[-1])] #the biggest contour
r = cv2.boundingRect(cnt)
cv2.rectangle(img,(r[0],r[1]),(r[0]+r[2],r[1]+r[3]),(0,0,255),2)

#min circle (green)
(x,y),radius = cv2.minEnclosingCircle(cnt)
center = (int(x),int(y))
radius = int(radius)
cv2.circle(img,center,radius,(0,255,0),2)

#fit ellipse (blue)
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse,(255,0,0),2)


cv2.imshow("morph_img",morph_img)
cv2.imshow("img", img)
cv2.waitKey()

Answer 3

在对图像应用自适应阈值之后，可以使用morphological operations用cv2.erode()和cv2.dilate()使图像平滑。通过执行这些操作，您将能够隔离主圆图像并去除细小噪音。接下来，您可以使用cv2.findContours()并过滤最大尺寸的轮廓，从而在图像中找到圆。这将为您提供边界框坐标，您可以在其中找到圆心。有了中心坐标后，就可以适合日食了。