C++ OpenCV'；s fitEllipse（）有时返回完全错误的椭圆

我的目标是识别图像中的所有形状。 这个想法是：

提取等高线

用不同的形状拟合每个轮廓

正确的形状应该是面积最接近的形状 轮廓面积

示例图像：

我使用

fitEllipse（）

可能正确的椭圆用蓝色填充，边界椭圆用黄色填充。
可能不正确的轮廓用绿色填充，（错误的）边界椭圆为青色

如您所见，第一行中包围三角形的椭圆看起来非常适合最佳拟合。第三行三角形的边界椭圆似乎不是最合适的，但仍然可以作为拒绝错误椭圆的标准

但我不明白为什么剩下的三角形的边界椭圆完全在它们的轮廓之外。
最坏的情况是最后一行的第三个三角形：椭圆完全错误，但它的区域恰好靠近轮廓的区域，因此三角形被错误地识别为椭圆

我错过什么了吗？我的代码：

#include <iostream>
#include <opencv/cv.h>
#include <opencv/highgui.h>

using namespace std;
using namespace cv;

void getEllipses(vector<vector<Point> >& contours, vector<RotatedRect>& ellipses) {
    ellipses.clear();
    Mat img(Size(800,500), CV_8UC3);
    for (unsigned i = 0; i<contours.size(); i++) {
        if (contours[i].size() >= 5) {
            RotatedRect temp = fitEllipse(Mat(contours[i]));
            if (area(temp) <= 1.1 * contourArea(contours[i])) {
                //cout << area(temp) << " < 1.1* " << contourArea(contours[i]) << endl;
                ellipses.push_back(temp);
                drawContours(img, contours, i, Scalar(255,0,0), -1, 8);
                ellipse(img, temp, Scalar(0,255,255), 2, 8);
                imshow("Ellipses", img);
                waitKey();
            } else {
                //cout << "Reject ellipse " << i << endl;
                drawContours(img, contours, i, Scalar(0,255,0), -1, 8);
                ellipse(img, temp, Scalar(255,255,0), 2, 8);
                imshow("Ellipses", img);
                waitKey();
            }
        }
    }
}

int main() {
    Mat img = imread("image.png", CV_8UC1);
    threshold(img, img, 127,255,CV_THRESH_BINARY);
    vector<vector<Point> > contours;
    vector<Vec4i> hierarchy;
    findContours(img, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);
    vector<RotatedRect> ellipses;
    getEllipses(contours, ellipses);
    return 0;
}

#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
void getellipes（向量和等高线、向量和椭圆）{
省略号。清除（）；
材料img（尺寸（800500），CV_8UC3）；
for（无符号i=0；i=5）{
RotatedRect temp=fitEllipse（图[i]）；
如果（面积（温度），最好逐像素比较，即轮廓和“拟合”椭圆之间的重叠百分比是多少

另一个更简单的想法是还比较轮廓的质心及其椭圆拟合。
如果您在
cv:：fitEllipse（）
方面遇到问题，请讨论一些方法，以最大限度地减少在不进行任何进一步测试而直接绘制
cv:：RotatedRect
时发生的错误。结果是
cv:：fitEllipse（）
不是完美的，可能会出现问题，如问题中所述

现在，还不完全清楚项目的约束是什么，但是解决这个问题的另一种方法是根据轮廓的面积来分离这些形状


这种方法非常简单，但在这种特殊情况下非常有效：圆的面积在1300-1699之间变化，三角形的面积在1-1299之间变化

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>

int main()
{
    cv::Mat img = cv::imread("input.png");
    if (img.empty())
    {
        std::cout << "!!! Failed to open image" << std::endl;
        return -1;
    }

    /* Convert to grayscale */

    cv::Mat gray;
    cv::cvtColor(img, gray, cv::COLOR_BGR2GRAY);

    /* Convert to binary */

    cv::Mat thres;
    cv::threshold(gray, thres, 127, 255, cv::THRESH_BINARY);

    /* Find contours */

    std::vector<std::vector<cv::Point> > contours;
    cv::findContours(thres, contours, cv::RETR_LIST, cv::CHAIN_APPROX_SIMPLE);

    int circles = 0;
    int triangles = 0;
    for (size_t i = 0; i < contours.size(); i++)
    {
        // Draw a contour based on the size of its area:
        //  - Area > 0 and < 1300 means it's a triangle;
        //  - Area >= 1300 and < 1700 means it's a circle;

        double area = cv::contourArea(contours[i]);
        if (area > 0 && area < 1300)
        {
            std::cout << "* Triangle #" << ++triangles << " area: " << area << std::endl;
            cv::drawContours(img, contours, i, cv::Scalar(0, 255, 0), -1, 8); // filled (green)
            cv::drawContours(img, contours, i, cv::Scalar(0, 0, 255), 2, 8); // outline (red)
        }
        else if (area >= 1300 && area < 1700)
        {
            std::cout << "* Circle #" << ++circles << " area: " << area << std::endl;
            cv::drawContours(img, contours, i, cv::Scalar(255, 0, 0), -1, 8); // filled (blue)
            cv::drawContours(img, contours, i, cv::Scalar(0, 0, 255), 2, 8); // outline (red)
        }
        else
        {
            std::cout << "* Ignoring area: " << area << std::endl;
            continue;
        }

        cv::imshow("OBJ", img);
        cv::waitKey(0);
    }   

    cv::imwrite("output.png", img);
    return 0;
}

#包括“opencv2/highgui/highgui.hpp”
#包括“opencv2/imgproc/imgproc.hpp”
#包括
int main（）
{
cv:：Mat img=cv:：imread（“input.png”）；
if（img.empty（））
{
标准：：cout 0和面积<1300）
{
std:：cout将
cv:：CHAIN\u approw\u SIMPLE
更改为
cv:：CHAIN\u approw\u NONE
在调用
cv:：findContours（）
时，我得到了更合理的结果

如果轮廓中包含更多的点，我们可以得到更好的椭圆近似值，这是有道理的，但我仍然不确定为什么结果与简单的链近似值相差如此之远。有关差异的解释，请参阅

使用
cv:：CHAIN_APPROX_SIMPLE
时，三角形的相对水平边几乎完全从轮廓上移除


至于您的最佳拟合分类，正如其他人所指出的，仅使用面积将得到您观察到的结果，因为根本不考虑定位。
请记住，
fitEllipse
不是边界椭圆的计算，而是假设点位于椭圆上的最小二乘优化

我无法告诉你为什么它在最后一行的3个三角形上失败得如此糟糕，但在上面一行的三角形上“起作用”，但我看到的一件事是，最后一行的所有3个三角形都被拟合到一个角度为0的旋转体上。可能最小二乘拟合在那里失败了

但我不知道openCV实现中是否存在缺陷，或者该算法是否无法处理这些情况。该算法用于：

我的建议是，如果你非常确定这些点真的属于一个椭圆，那么只使用
fitEllipse
。如果你有随机数据点，你不会假设从
fitLine
得到合理的结果。你可能想看的其他函数有：
minarealect
和
mineConclosingCircle

如果您使用
rotatedlect temp=minarealect（Mat（轮廓[i]）；
而不是
fitEllipse
您将获得如下图像：


也许你甚至可以使用这两种方法，拒绝所有在两个版本中都失败的椭圆，接受所有在两个版本中都被接受的椭圆，但对那些不同的椭圆进行进一步的调查？
你是否尝试过绘制/显示正在计算的轮廓？也许问题在于这一点，而不是fitEllipse。而且，因为你看起来为了有一个二进制输入，你可以考虑使用形态学运算来寻找等值线，即原始腐蚀（原始）。然后每个连接的分量应该是一个轮廓。另一个建议可能是使用一个最大树，这就消除了主（2）线上的阈值的需要。。您需要定义正确的属性过滤器。参考：或重叠区域和质心的组合。所有建议都很好，但它们没有解决主要问题：椭圆拟合怎么会完全错误？为什么OpenCV返回的椭圆显然不是此轮廓的最小椭圆？如果您运行此应用程序，你必须按键盘上的一个键来执行循环的下一次迭代。这允许用户看到被检测和绘制的每个形状。