如何用Python检测图像中的多个椭圆并计算其离心率与圆度？

针对你需要检测图像中多个椭圆并计算离心率、圆度的需求，这里提供一个基于OpenCV的高效实现方案，解决你之前遇到的方法局限性问题。

实现思路 #

1. 图像预处理：通过灰度化、二值化、形态学操作去除噪声，提取清晰的目标轮廓
2. 轮廓筛选：过滤掉过小或不符合椭圆形态的轮廓，减少误检
3. 椭圆拟合：对筛选后的轮廓使用OpenCV的fitEllipse函数拟合椭圆，直接获取椭圆核心参数
4. 参数计算：基于拟合得到的长半轴、短半轴等参数，计算离心率和圆度

完整代码 #

import cv2
import numpy as np

def calculate_ellipse_params(ellipse):
    """计算椭圆的离心率和圆度"""
    (x_center, y_center), (major_axis, minor_axis), angle = ellipse
    # 长半轴a，短半轴b
    a = major_axis / 2
    b = minor_axis / 2
    
    # 计算离心率（e = sqrt(1 - (b²/a²))，a > b）
    if a == 0:
        eccentricity = 0.0
    else:
        eccentricity = np.sqrt(1 - (b**2 / a**2))
    
    # 计算圆度：4π*面积/周长²，越接近1越接近圆
    # 椭圆面积=πab，周长近似用 Ramanujan公式：π*(3(a+b)-sqrt((3a+b)(a+3b)))
    area = np.pi * a * b
    perimeter_approx = np.pi * (3*(a+b) - np.sqrt((3*a + b)*(a + 3*b)))
    circularity = (4 * np.pi * area) / (perimeter_approx ** 2) if perimeter_approx !=0 else 0.0
    
    return eccentricity, circularity

# 读取图像
img = cv2.imread('aXB1O.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 预处理：二值化+形态学去噪
# 自适应阈值处理，适合光照不均的图像
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
# 形态学闭操作，填充小空隙
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
binary = cv2.morphologyEx(binary, cv2.MORPH_CLOSE, kernel)

# 提取轮廓
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 遍历轮廓，拟合椭圆
for cnt in contours:
    # 筛选轮廓：至少需要5个点才能拟合椭圆，同时过滤过小的轮廓
    if len(cnt) >= 5 and cv2.contourArea(cnt) > 100:
        ellipse = cv2.fitEllipse(cnt)
        # 计算参数
        eccentricity, circularity = calculate_ellipse_params(ellipse)
        # 在图像上绘制椭圆和参数
        cv2.ellipse(img, ellipse, (0,255,0), 2)
        # 标注参数
        text = f"e: {eccentricity:.2f}, c: {circularity:.2f}"
        cv2.putText(img, text, (int(ellipse[0][0])-50, int(ellipse[0][1])+10), 
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,0,255), 1)

# 显示结果
cv2.imshow('Ellipse Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键说明 #

• 预处理优化：自适应阈值相比固定阈值更适配示例图像的光照情况，形态学闭操作可以填充椭圆内部的小噪点，提升轮廓质量，解决你之前FitEllipses效果差的问题
• 轮廓筛选：通过轮廓面积和点数过滤，避免对微小噪点拟合椭圆
• 参数计算：
  • 离心率：严格遵循椭圆离心率公式，取值范围0（圆）到1（抛物线极限）
  • 圆度：采用基于面积和周长的标准计算方式，数值越接近1，椭圆越接近圆形
• 效率优势：相比霍夫椭圆变换，该方法基于轮廓检测，计算速度大幅提升，适合处理多目标图像

内容的提问来源于stack exchange，提问作者Omega1