嘿，刚好我之前在Android项目里用OpenCV做过类似的形状分析需求，给你详细讲讲怎么实现白色目标的离心率/圆度计算，包括代码示例哈～

首先得明确：你说的“仅圆形值为1”的指标其实更常被称为圆度（Circularity），公式是 4π×面积/(周长²)；而基于长轴短轴的离心率公式是 e=√(1-(b²/a²))（a是长半轴，b是短半轴，圆形的话e=0，形状越扁越接近1）。下面我会把两种都给你实现，你可以根据需求选择。

核心步骤拆解 #

• 1. 提取白色目标：先把图像转成灰度图，再做二值化处理，把白色区域设为前景（255），其他区域设为背景（0），这样才能精准提取目标轮廓。
• 2. 获取目标轮廓：用OpenCV的轮廓检测功能找到目标，记得过滤掉小噪点，比如只保留面积最大的轮廓（适合单目标场景）。
• 3. 椭圆拟合拿长轴短轴：对提取到的轮廓做椭圆拟合，OpenCV会返回一个RotatedRect对象，里面直接包含了长轴、短轴的长度信息。
• 4. 计算形状指标：根据拿到的面积、周长、长轴短轴数据，分别计算圆度和离心率。

OpenCV Java 完整代码示例 #

先确保你的Android项目已经集成了OpenCV（调试版可以用OpenCVLoader.initDebug()初始化），然后参考这段代码：

import org.opencv.core.Mat;
import org.opencv.core.MatOfPoint;
import org.opencv.core.MatOfPoint2f;
import org.opencv.core.RotatedRect;
import org.opencv.imgproc.Imgproc;
import java.util.ArrayList;
import java.util.List;

public class ShapeAnalyzer {

    // 计算白色目标的圆度和基于椭圆的离心率
    public static void calculateShapeMetrics(Mat inputBgrImage) {
        // 1. 转灰度图
        Mat gray = new Mat();
        Imgproc.cvtColor(inputBgrImage, gray, Imgproc.COLOR_BGR2GRAY);

        // 2. 二值化提取白色目标：阈值可根据你的图像调整，这里设200是因为白色像素值接近255
        Mat binary = new Mat();
        Imgproc.threshold(gray, binary, 200, 255, Imgproc.THRESH_BINARY);

        // 3. 提取最外层轮廓，过滤小噪点
        List<MatOfPoint> contours = new ArrayList<>();
        Mat hierarchy = new Mat();
        Imgproc.findContours(binary, contours, hierarchy, Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE);

        if (contours.isEmpty()) {
            System.out.println("没检测到目标轮廓哦");
            return;
        }

        // 找到面积最大的轮廓（假设只有一个目标，多目标的话可以遍历所有轮廓）
        int largestIdx = 0;
        double maxArea = 0;
        for (int i = 0; i < contours.size(); i++) {
            double area = Imgproc.contourArea(contours.get(i));
            if (area > maxArea) {
                maxArea = area;
                largestIdx = i;
            }
        }
        MatOfPoint targetContour = contours.get(largestIdx);

        // 4. 计算圆度（Circularity）
        double perimeter = Imgproc.arcLength(new MatOfPoint2f(targetContour.toArray()), true);
        double circularity = 0;
        if (perimeter > 0) {
            circularity = (4 * Math.PI * maxArea) / (perimeter * perimeter);
        }
        System.out.println("圆度（值为1时是完美圆形）：" + circularity);

        // 5. 椭圆拟合获取长轴短轴，计算离心率
        if (targetContour.rows() >= 5) { // 拟合椭圆至少需要5个点
            RotatedRect ellipse = Imgproc.fitEllipse(new MatOfPoint2f(targetContour.toArray()));
            double majorAxis = Math.max(ellipse.size.width, ellipse.size.height); // 长轴全长
            double minorAxis = Math.min(ellipse.size.width, ellipse.size.height); // 短轴全长
            double semiMajor = majorAxis / 2;
            double semiMinor = minorAxis / 2;

            double eccentricity = 0;
            if (semiMajor > 0) {
                eccentricity = Math.sqrt(1 - (Math.pow(semiMinor, 2) / Math.pow(semiMajor, 2)));
            }
            System.out.println("长轴长度：" + majorAxis);
            System.out.println("短轴长度：" + minorAxis);
            System.out.println("离心率（值为0时是完美圆形）：" + eccentricity);
        } else {
            System.out.println("轮廓点太少，没法拟合椭圆");
        }

        // 别忘了释放Mat资源，避免内存泄漏
        gray.release();
        binary.release();
        hierarchy.release();
        for (MatOfPoint contour : contours) {
            contour.release();
        }
    }
}

一些实用提示 #

• 阈值调整：如果你的白色目标不是纯白，或者背景有浅灰色干扰，可以把二值化的阈值调低一点（比如180），或者用自适应阈值Imgproc.adaptiveThreshold代替固定阈值。
• 降噪处理：如果图像有很多小噪点，二值化前可以加一步高斯模糊：Imgproc.GaussianBlur(gray, gray, new org.opencv.core.Size(3,3), 0)，这样轮廓检测会更准确。
• 多目标场景：如果图像里有多个白色目标，把找最大轮廓的逻辑改成遍历所有轮廓，逐个计算指标就行。

内容的提问来源于stack exchange，提问作者Aemon