基于OpenCV(Python)在边缘检测图像中检测椭圆与矩形的技术咨询

需求背景 #

需判断场景中是否存在类矩形物体：物体存在时边缘检测结果为矩形轮廓，移除后则为椭圆轮廓。已完成步骤：

• 加载图像
• 应用Canny边缘检测提取边缘
• 得到二值边缘检测图像

需实现目标：在边缘图像中检测并标记椭圆与矩形，绘制对应边界框/椭圆轮廓，获取其坐标、尺寸及角度等参数。

针对疑问的解答 #

1. 检测椭圆的OpenCV函数 #

核心使用cv2.fitEllipse()，但需结合轮廓检测流程：

• 先用cv2.findContours()从二值边缘图中提取轮廓
• 筛选出点数量≥5的轮廓（椭圆拟合的最低要求）
• 对符合条件的轮廓调用cv2.fitEllipse()完成椭圆拟合

2. 绘制检测到的形状 #

绘制矩形

• 旋转矩形：用cv2.minAreaRect()得到矩形参数，再通过cv2.boxPoints()转换为顶点坐标，最后用cv2.drawContours()绘制
• 轴对齐矩形：直接用cv2.rectangle()，传入左上角和右下角坐标即可

绘制椭圆

直接调用cv2.ellipse()，传入cv2.fitEllipse()返回的椭圆参数（中心、长短轴、旋转角度）即可绘制轮廓。

3. 获取形状参数信息 #

矩形参数

• 旋转矩形：cv2.minAreaRect()返回((cx, cy), (w, h), angle)，其中(cx, cy)是中心坐标，w/h为宽高，angle是旋转角度（逆时针）
• 轴对齐矩形：cv2.boundingRect()返回(x, y, w, h)，(x,y)是左上角坐标，w/h为宽高

椭圆参数

cv2.fitEllipse()返回((cx, cy), (major_axis, minor_axis), angle)，其中(cx, cy)是中心坐标，major_axis/minor_axis为长/短轴长度，angle是长轴与水平轴的逆时针夹角。

完整代码示例 #

import cv2
import numpy as np

def detect_and_mark_shapes(edge_img):
    # 提取外部轮廓
    contours, _ = cv2.findContours(edge_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 转为彩色图用于绘制标记
    result_img = cv2.cvtColor(edge_img, cv2.COLOR_GRAY2BGR)
    
    for cnt in contours:
        # 过滤过小的噪点轮廓
        if cv2.contourArea(cnt) < 100:
            continue
        
        # 多边形近似判断是否为矩形
        approx = cv2.approxPolyDP(cnt, 0.02 * cv2.arcLength(cnt, True), True)
        if len(approx) == 4:
            # 获取并绘制旋转矩形
            rect = cv2.minAreaRect(cnt)
            box = np.int0(cv2.boxPoints(rect))
            cv2.drawContours(result_img, [box], 0, (0, 255, 0), 2)
            # 输出矩形参数
            cx, cy = rect[0]
            w, h = rect[1]
            angle = rect[2]
            print(f"矩形：中心({cx:.2f}, {cy:.2f})，尺寸({w:.2f}, {h:.2f})，旋转角度{angle:.2f}°")
        else:
            # 拟合椭圆（需至少5个轮廓点）
            if len(cnt) >= 5:
                ellipse = cv2.fitEllipse(cnt)
                cv2.ellipse(result_img, ellipse, (0, 0, 255), 2)
                # 输出椭圆参数
                cx, cy = ellipse[0]
                major, minor = ellipse[1]
                angle = ellipse[2]
                print(f"椭圆：中心({cx:.2f}, {cy:.2f})，长短轴({major:.2f}, {minor:.2f})，旋转角度{angle:.2f}°")
    
    return result_img

# 加载边缘图像（替换为你的图像路径）
rect_edge = cv2.imread("rect_edge.jpg", cv2.IMREAD_GRAYSCALE)
ellipse_edge = cv2.imread("ellipse_edge.jpg", cv2.IMREAD_GRAYSCALE)

# 执行检测与标记
rect_result = detect_and_mark_shapes(rect_edge)
ellipse_result = detect_and_mark_shapes(ellipse_edge)

# 显示结果
cv2.imshow("标记矩形", rect_result)
cv2.imshow("标记椭圆", ellipse_result)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意事项 #

• 轮廓面积阈值（100）需根据实际图像尺寸调整，避免误检噪点
• 多边形近似的精度参数（0.02 * cv2.arcLength(...)）可微调，确保准确识别矩形的4条边
• 椭圆拟合必须满足轮廓点数量≥5，否则会抛出异常，需提前判断

内容的提问来源于stack exchange，提问作者Shanmathi K