Image processing OpenCV中椭圆拟合的度量

OpenCV有一个很好的内置椭圆拟合算法，名为

fitEllipse（const Mat&points）

然而，它有一些主要缺点，限制了它的实用性。例如，它已经需要选定的点，所以我必须自己进行特征提取

HoughCircles

检测给定图像上的圆，可惜没有

HoughEllises

另一个主要缺点，也就是我问题的中心，就是它没有提供任何关于拟合精度的度量。它返回一个最适合给定点的椭圆，即使形状看起来根本不像椭圆。有没有办法从算法中得到估计误差？我想用它作为一个阈值来过滤掉那些甚至不接近椭圆的形状

---

我问这个问题，因为在我尝试重新发明轮子并编写自己的

fitEllipse

函数之前，可能有一个简单的解决方案。

如果你不介意弄脏你的手，你可以修改

fitEllipse（）

的源代码。

fitEllipse（）

函数使用最小二乘法确定可能的椭圆，最小二乘法解决方案是一个有形的距离度量，这就是您想要的

---

如果这是您愿意做的事情，那么这将是一个非常简单的代码更改。只需添加一个浮点数，其值在函数调用后传回，其中浮点数存储当前的最佳最小二乘值。

为什么不执行findContours（）以减少所需的内存空间？这就是您的“选定点”结构。如果您想进一步简化，可以对其运行convxhull（）或ApproxPoly（）。将椭圆拟合到这些点，然后我想你可以检查两个结构之间的相似性，得到某种估计。两个垫子之间的差异运算符是（非常）粗略的估计？

根据应用情况，您可能可以使用CAMShift（或mean shift），它将椭圆拟合到具有相似颜色的区域。

fitEllipse

将椭圆作为一个

cv:：RotatedRect

提供，因此您知道椭圆的旋转角度、中心和两个轴

您可以计算点与椭圆之间距离的平方和，该和就是您要查找的度量

点和椭圆之间的距离在这里描述，代码在这里

---

您需要从几何工具引擎的OpenCV

cv:：RotatedRect

转到Ellipse2，然后才能计算距离。

椭圆有5个自由度，因此hough变换的参数空间太大。如果你只有很少的异常值，也许RANSAC算法可以工作。