24.8 椭圆拟合和直线拟合

cv2.ellipse()椭圆拟合 (方向)

椭圆拟合法的基本思路是：对于给定平面上的一组样本点，寻找一个椭圆，使其尽可能接近这些样本点。也就是说，将图像中的一组数据以椭圆方程为模型进行拟合，使某一椭圆方程尽量满足这些数据，并求出该椭圆方程的各个参数。

就椭圆拟合而言，就是先假设椭圆参数，得到每个待拟合点到该椭圆的距离之和，也就是点到假设椭圆的误差，求出使这个和最小的参数。

在OpenCV中，函数cv2.fitEllipse()可以用来构建最优拟合椭圆，还可以在返回值内分别返回椭圆的中心点，轴长，旋转角度信息。使用这种形式，能够直观地获取椭圆的方向等信息。

函数原型：

(x,y),(MA,ma),angle = cv2.ellipse(points)
ellipse = cv2.ellipse(points)

参数：

1. points: 待拟合直线的点的集合，可以是检测处理轮廓结果

返回值：

1. ellopse：椭圆
2. (x,y)：椭圆的中心点，(MA,ma)：椭圆水平方向轴与垂直方向轴的长度，angle：椭圆的旋转角度

cv2.fitLine()直线拟合

直线拟合就是将图像中的对象拟合成一条直线过程，在OPenCV中拟合直线的API是：

函数原型：output = cv2.fitLine(points, distType, param, reps, aeps)

参数：

1. points: 待拟合直线的点的集合，可以是检测处理轮廓结果
2. distType: 距离公式，在进行拟合是，要使输入点到拟合直线的距离之和最小，常用的用以下几种：cv2.DIST_L1: 曼哈顿距离、cv2.DIST_L2: 欧式距离、cv2.DIST_C:切比雪夫距离
3. param：距离参数，可以设为0
4. reps,aeps： 用于表示拟合曲线所需要的径向和角度精度，通常设为0.01。

返回：

1. output：[vx,vy,x,y]的1*4 的数组，前两个表示直线的方向，即vy/vx表示斜率，后两位表示直线上的一个点。

示例

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 1 图像读取
img = cv2.imread('C:/Users/xxx/Downloads/arrow.png') 
img2 =img.copy()
imgray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 2 转换为二值图
ret,thresh = cv2.threshold(imgray,127,255,0)

# 3 轮廓提取
contours, hierarchy = cv2.findContours(thresh,1,2)

# 4 将轮廓绘制在图像上
temp = np.zeros(img.shape, np.uint8)  # 生成黑背景
img1 = cv2.drawContours(temp, contours, -1, (0,0,255), 2)
cnt=contours[0]

# 5 椭圆拟合
ellipse = cv2.fitEllipse(cnt)
img2 = cv2.ellipse(img2,ellipse,(0,255,0),2)

# 6 直线拟合
rows,cols = img.shape[:2]
[vx,vy,x,y] = cv2.fitLine(cnt, cv2.DIST_L2,0,0.01,0.01)
lefty = int((-x*vy/vx) + y)
righty = int(((cols-x)*vy/vx)+y)
img2 = cv2.line(img2,(cols-1,righty),(0,lefty),(255,0,0),2)
 
# 7 图像显示
names = ['原图','轮廓检测结果','椭圆、直线拟合']
images =  [img,img1,img2]

plt.figure(figsize=(25.6,9.6))
for i in range(1):
    for j in range(3):
        plt.subplot(1,3,i*3+j+1),plt.imshow(images[i*3+j])
        plt.title(names[i*3+j],fontsize=30), plt.xticks([]), plt.yticks([])
        num=i*3+j
        if num >= len(names)-1:
            break

plt.show() 

运行结果为：