如何拆分被fitEllipse识别为单个的相连重叠椭圆？

当图像中存在相连重叠的椭圆时，OpenCV的fitEllipse函数会将其识别为一个大椭圆，无法区分独立的两个椭圆。以下是针对该问题的可行解决思路和优化方案：

当前实现代码 #

import cv2
import numpy as np

src = cv2.imread('your_image_path.jpg')  # 补充图像读取逻辑
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
blur = cv2.bilateralFilter(gray, 8, 70, 70)
ret = cv2.threshold(blur, 128, 255, cv2.THRESH_BINARY_INV)[1]
contour, hierarchy = cv2.findContours(ret, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
minEllipse = [None] * len(contour)

for i, c in enumerate(contour):
    if c.shape[0] > 5:
        minEllipse[i] = cv2.fitEllipse(c)
        cv2.ellipse(src, minEllipse[i], (0, 255, 0), 2)

cv2.imwrite('output.png', src)
cv2.imwrite('mask.png', ret)
cv2.imwrite('blur.png', blur)

可行解决算法 #

1. 基于分水岭算法的预处理分割 #

利用距离变换提取重叠椭圆的核心区域，再通过分水岭算法分割重叠部分：

# 在原二值化结果ret基础上处理
dist_transform = cv2.distanceTransform(ret, cv2.DIST_L2, 5)
# 提取确定的前景区域（椭圆核心）
ret2, sure_fg = cv2.threshold(dist_transform, 0.5 * dist_transform.max(), 255, 0)
sure_fg = np.uint8(sure_fg)
# 计算未知区域（重叠部分）
unknown = cv2.subtract(ret, sure_fg)
# 标记连通区域作为种子
ret3, markers = cv2.connectedComponents(sure_fg)
markers = markers + 1  # 避免和背景0冲突
markers[unknown == 255] = 0
# 执行分水岭分割
markers = cv2.watershed(src, markers)

# 重新提取分割后的轮廓并拟合椭圆
contour_split, _ = cv2.findContours(sure_fg, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contour_split:
    if c.shape[0] > 5:
        ellipse = cv2.fitEllipse(c)
        cv2.ellipse(src, ellipse, (0, 255, 0), 2)

2. 调整预处理参数优化轮廓提取 #

• 降低双边滤波的空间模糊程度：将bilateralFilter的第一个参数（直径）从8改为5，减少重叠区域的模糊融合
• 使用自适应阈值替代固定阈值：解决局部亮度差异导致的二值化不准确问题

# 替换原固定阈值步骤
blur = cv2.bilateralFilter(gray, 5, 70, 70)  # 调整滤波直径
ret = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

3. 轮廓后处理：拆分合并轮廓 #

如果仍得到合并的大轮廓，可通过几何特征拆分：

• 先拟合合并轮廓的椭圆，计算长轴方向
• 沿长轴将轮廓点集分割为两部分，分别拟合椭圆
• 或使用RANSAC算法，从点集中拟合两个椭圆模型，筛选对应点集

内容的提问来源于stack exchange，提问作者mat