Python 3.x Opencv-椭圆轮廓未正确拟合

我想围绕下图所示的同心椭圆绘制轮廓。我没有得到预期的结果

我尝试了以下步骤：

阅读图片

将图像转换为灰度

应用高斯模糊

获得精明的优势

绘制椭圆轮廓

以下是源代码：

下图显示了预期和实际结果：

源图像：

---

算法可以很简单：

将RGB转换为HSV，拆分并使用V通道

删除所有颜色线的阈值

用于删除非颜色线的HoughLinesP

椭圆中闭合孔的扩张+侵蚀

findContours+fitEllipse

结果:

对于新图像（添加黑色曲线），我的方法不起作用。似乎需要使用Hough椭圆检测，而不是“findContours+fitEllipse”。 OpenCV没有实现，但您可以找到它或

如果你不害怕C++代码（对于OpenCV库C++更具表现力），那么：

cv:：Mat rgbImg=cv:：imread（“sqOOE.jpg”，cv:：imread\u COLOR）；
cv：：Mat hsvImg；
cv:：cvtColor（rgbImg、hsvImg、cv:：COLOR_BGR2HSV）；
性病：媒介通道；
cv：：拆分（hsvImg、chans）；
cv:：threshold（255-chans[2]，chans[2]，200255，cv:：THRESH_二进制）；
std：：向量linesP；
cv:：HoughLinesP（chans[2]，linesP，1，cv_PI/180,50，chans[2]。第4,10行）；
用于（自动l:linesP）
{
cv:：line（chans[2]，cv:：Point（l[0]，l[1]），cv:：Point（l[2]，l[3]），cv:：Scalar:：all（0），3，cv:：line_AA）；
}
cv：：扩张（通道[2]，通道[2]，cv：：getStructuringElement（cv：：变形，cv：：大小（3，3）），cv：：点（-1，-1），4）；
cv：：腐蚀（通道[2]，通道[2]，cv：：getStructuringElement（cv：：变形，cv：：大小（3，3）），cv：：点（-1，-1），3）；
矢量轮廓；
向量层次；
cv:：findContours（通道[2]，轮廓，层次，cv:：RETR_树，cv:：CHAIN_近似_简单）；
对于（size_t i=0；i4）
{
cv:：ellipse（rgbImg，cv:：fitEllipse（等高线[i]），cv:：Scalar（255,025），2）；
}
}
cv：：imshow（“rgbImg”，rgbImg）；
cv:：waitKey（0）；

下次，请检查如何正确格式化代码块（这次为您完成）；另外，由于您的问题是Python API，请避免使用

c++

标记（已删除）。@desertnaut感谢您的编辑manThank获得帮助。最后一个查询，我在源图像中添加了曲线。它与当前代码兼容吗？我试试看。您可以将图像保存为png格式吗？对于Graphicsorry来说，Jpeg是一个非常糟糕的选择。由于不便，我将JPG的格式更新为PNG。对于任何黑色曲线，我的算法都不起作用。我正在更新我的答案-添加到基于Hough的椭圆检测器的链接

import cv2

target=cv2.imread('./source image.png')

targetgs = cv2.cvtColor(target,cv2.COLOR_BGRA2GRAY)

targetGaussianBlurGreyScale=cv2.GaussianBlur(targetgs,(3,3),0)

canny=cv2.Canny(targetGaussianBlurGreyScale,30,90)


kernel=cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
close=cv2.morphologyEx(canny,cv2.MORPH_CLOSE,kernel)


_,contours,_=cv2.findContours(close,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

if len(contours) != 0:
    for c in contours:
        if len(c) >= 50:
            hull=cv2.convexHull(c)
            cv2.ellipse(target,cv2.fitEllipse(hull),(0,255,0),2)

cv2.imshow('mask',target)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv::Mat rgbImg = cv::imread("sqOOE.jpg", cv::IMREAD_COLOR);

cv::Mat hsvImg;
cv::cvtColor(rgbImg, hsvImg, cv::COLOR_BGR2HSV);

std::vector<cv::Mat> chans;
cv::split(hsvImg, chans);
cv::threshold(255 - chans[2], chans[2], 200, 255, cv::THRESH_BINARY);

std::vector<cv::Vec4i> linesP;
cv::HoughLinesP(chans[2], linesP, 1, CV_PI/180, 50, chans[2].rows / 4, 10);
for (auto l : linesP)
{
    cv::line(chans[2], cv::Point(l[0], l[1]), cv::Point(l[2], l[3]), cv::Scalar::all(0), 3, cv::LINE_AA);
}
cv::dilate(chans[2], chans[2], cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3)), cv::Point(-1, -1), 4);
cv::erode(chans[2], chans[2], cv::getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3)), cv::Point(-1, -1), 3);

std::vector<std::vector<cv::Point> > contours;
std::vector<cv::Vec4i> hierarchy;
cv::findContours(chans[2], contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);

for (size_t i = 0; i < contours.size(); i++)
{
    if (contours[i].size() > 4)
    {
        cv::ellipse(rgbImg, cv::fitEllipse(contours[i]), cv::Scalar(255, 0, 255), 2);
    }
}

cv::imshow("rgbImg", rgbImg);
cv::waitKey(0);