如何使用OpenCV检测车轮中的椭圆

我有一个车轮的图像，我想用OpenCV（用于车辆/车轮的姿势估计）检测映射到此车轮（或车轮内圈）的椭圆

[！[在此处输入图像描述][1][1]

有人知道怎么做吗

[！[在此处输入图像描述][2][2]

生成的图像应该是这样的（或者有点像这样-我需要检索经过ellispe的几个点）。请注意，结果应该是一个椭圆，而不是一个圆，因为如果从侧面看，车轮可能处于透视/扭曲状态

到目前为止，我尝试了轮廓（以及识别最大的轮廓区域）、canny和颜色阈值，我能够在大多数测试图像上识别车轮的内部椭圆（成功！）。这个“内椭圆”是最大轮廓的一部分，但是它也包含我不需要的其他点

如图所示： [！[在此处输入图像描述][3][3]

最后一个问题是，如何导出这个内圈/椭圆的几个点（并去除其他垃圾），以便计算椭圆参数

任何帮助都将不胜感激

非常感谢

编辑：

以下是我目前的代码：

导入系统
将numpy作为np导入
导入skimage.io
导入撇渣过滤器
将matplotlib.pyplot作为plt导入
进口cv2
从skimage导入数据、颜色、img_作为ubyte
从skimage.feature导入canny
从skimage.transform导入hough_椭圆
从skimage.draw导入椭圆\u周长
#从命令行获取文件名和sigma值
filename0='back\u wheel.png'
filename1=“backwheel1.png”
filename2=“backwheel2.png”
filename3=“backwheel3.png”
filename4=“frontwheel1.png”
filename5=“frontwheel2.png”
def getWheel0（文件名）：
image\u rgb\u orig=cv2.imread（文件名）
image\u rgb=image\u rgb\u orig.copy（）
打印（'原始尺寸：'，图像形状）
宽度=350
高度=（int）（宽度*图像形状[0]/图像形状[1]）
尺寸=（宽度、高度）
图像_rgb=cv2.调整大小（图像_rgb，尺寸，插值=cv2.内部区域）
image\u gray=cv2.cvt颜色（image\u rgb，cv2.COLOR\u BGR2GRAY）
equ=cv2.均衡历史（图像为灰色）
#边缘=cv2.Canny（图像为灰色，150200）
norm_image=cv2.normalize（eq，None，alpha=0，beta=1，norm_type=cv2.norm_MINMAX）
#---首先使用灰度图像获取阈值---
ret，th=cv2.阈值（norm_图像，50，100，cv2.从阈值到零阈值）
#---找到二值图像中的所有轮廓---
等高线，层次=cv2.findContours（th，2,1）
#轮廓，层次=cv2.查找轮廓（th，cv2.RETR\u外部，cv2.链\u近似值\u TC89\u L1）
cnt=等高线
大轮廓=[]
最大值=0
对于cnt中的i：
面积=cv2。轮廓面积（i）#——找到面积最大的轮廓---
如果（面积>最大值）：
最大值=面积
大_等高线=i
结果=cv2。绘制轮廓（图像rgb，大轮廓，-1，（0255,0），3）
图2，（ax1，ax2，ax3）=plt.子批次（ncols=3，nrows=1，figsize=（8，4），sharex=True，
shary=True）
ax1.设置标题（“原始图片”）
ax1.imshow（图像\u rgb\u原始）
ax2.设置标题（“阈值”）
ax2.imshow（th）
ax3.设置标题（“轮廓”）
ax3.imshow（结果）
plt.show（）
getWheel0（文件名0）
getWheel0（文件名1）
getWheel0（文件名2）
getWheel0（文件名3）
getWheel0（文件名4）
getWheel0（文件名5）

使用

---

“python tire.py”

在图像上定位圆的问题是众所周知的，并且已经解决了

使用霍夫圆变换。 这是OpenCV库的一个基本功能：

广义Hough变换可以用来检测椭圆。但是，您需要自己编写代码，因为答案中提供了一些合理的想法。您需要具有更多尺寸（5）的累加器，以防检测到直线（2）或圆（3），但这不应该是问题

看起来canny在你的图像上也有很好的边缘。您可以尝试以下操作：

对于连接的轮廓（超过某个最小长度），找到与大轴正交的最远点对（大轴）和最接近点对

连接成对的点给出椭圆轴（椭圆中心位于交叉点）。计算椭圆参数

检查其他轮廓的点是否与计算的椭圆匹配（允许一些小偏移）。如果是，则等高线是椭圆，否则不是

---

这两种解决方案可能不适用于轴不对称的椭圆和类椭圆轮廓。

在图像上定位圆的问题是众所周知的，并且已经解决了

使用霍夫圆变换。 这是OpenCV库的一个基本功能：

广义Hough变换可以用来检测椭圆。但是，您需要自己编写代码，因为答案中提供了一些合理的想法。您需要具有更多尺寸（5）的累加器，以防检测到直线（2）或圆（3），但这不应该是问题

看起来canny在你的图像上也有很好的边缘。您可以尝试以下操作：

对于连接的轮廓（超过某个最小长度），找到与大轴正交的最远点对（大轴）和最接近点对

连接成对的点给出椭圆轴（椭圆中心位于交叉点）。计算椭圆参数

检查其他轮廓的点是否与计算的椭圆匹配（允许一些小偏移）。如果是，则等高线是椭圆，否则不是

---

这两种解决方案可能不适用于轴不对称的椭圆和类似椭圆的轮廓。

谢谢大家的帖子。这些非常有助于接近答案。我最后做了以下几点：

灰度 规范化 findContours

然后在轮廓上，我做cornerHarris，它返回一个图像大小的垫子，每个像素的轮廓都有一个角值

我将数据正常化