当前位置：极客教程 > Opencv > Python OpenCV > 如何使用OpenCV Python将椭圆适配到图像中的对象？

如何使用OpenCV Python将椭圆适配到图像中的对象？

如何使用OpenCV Python将椭圆适配到图像中的对象？

我们可以使用函数 cv2.fitEllipse() 来将椭圆适配到对象上。椭圆被镶嵌在一个旋转矩形内。旋转矩形是一个包含对象的最小区域边界矩形。

语法

此函数使用的语法是-

ellipse = cv2.fitEllipse(cnt)
Python

其中，“cnt”是轮廓点。它表示为一个轮廓点的数组。

输出 − 它以((x，y)，（majorAxis，minorAxis），angle)格式返回元组的元组。 (x，y)是中心的坐标，(majorAxis，minorAxis)是轴的长度，angle是椭圆的旋转角度。

要在输入图像上绘制椭圆，我们使用以下函数-

cv2.ellipse(img,ellipse, (0,0,255), 3)
Python

步骤

您可以使用以下步骤将椭圆适配到对象上-

导入所需的库。在所有以下Python示例中，所需的Python库是 OpenCV 。请确保已经安装了它。

import cv2
Python

使用 cv2.imread() 读取输入图像并将其转换为灰度。这里我们加载一个名为 star1.png 的图像。

img = cv2.imread('star1.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
Python

对灰度图像应用二值化，以创建二进制图像。根据需求调整第二个参数以获取更好的轮廓检测。

ret,thresh = cv2.threshold(gray,150,255,0)
Python

使用 cv2.findContours() 函数在图像中找到轮廓。

contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
Python

选择轮廓“ cnt ”或循环所有轮廓。使用“ cv2.fitEllipse(cnt) ”函数将椭圆适配到对象轮廓“ cnt ”上。

cnt = contours[0]
ellipse = cv2.fitEllipse(cnt)
Python

在输入图像上绘制椭圆。

cv2.ellipse(img,ellipse, (0,0,255), 3)
Python

显示带有绘制的凸包的图像。

cv2.imshow("Ellipse", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

让我们看一些示例，以获得更清晰的理解。

我们将以下图像作为 输入文件 用于下面的示例。

如何使用OpenCV Python将椭圆适配到图像中的对象？

示例1

在下面的Python程序中，我们检测图像中对象的轮廓，并找到适合对象的椭圆。我们在输入图像上绘制了椭圆。

# 导入所需库
import cv2
import numpy as np

# 加载输入图像
img = cv2.imread('star1.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 将灰度图像转换为二值图像
ret,thresh = cv2.threshold(gray,150,255,0)

# 找到轮廓
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("检测到的轮廓数量:", len(contours))

# 选择第一个轮廓
cnt = contours[0]

# 将椭圆拟合到所选对象上
ellipse = cv2.fitEllipse(cnt)

# 在输入图像上绘制椭圆
cv2.ellipse(img,ellipse, (0,0,255), 3)

# 显示带椭圆的图像
cv2.imshow("椭圆", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

输出结果

当您执行上面的代码时，将产生以下输出 –

检测到的轮廓数量：1
Python

我们会得到以下输出窗口 –

如何使用OpenCV Python将椭圆适配到图像中的对象？

用于适应检测到对象的椭圆以红色绘制出来。

让我们找到内含椭圆的旋转矩形。

示例 2

在此Python程序中，我们检测图像中物体的轮廓并找到适应该物体的椭圆。我们还找到内含椭圆的旋转矩形，并在输入图像上绘制了椭圆和旋转矩形。

# 导入必要的库
import cv2
import numpy as np

# 加载输入图像
img = cv2.imread('star1.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 应用阈值将灰度图像转换为二进制图像
ret,thresh = cv2.threshold(gray,150,255,0)

# 查找轮廓
contours,hierarchy = cv2.findContours(thresh, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("检测到的轮廓数:", len(contours))

# 选择第一个轮廓
cnt = contours[0]

# 查找最小面积矩形
rect = cv2.minAreaRect(cnt)
box = cv2.boxPoints(rect)
box = np.int0(box)
cv2.drawContours(img,[box],0,(0,255,255),2)

# 拟合椭圆
ellipse = cv2.fitEllipse(cnt)
cv2.ellipse(img,ellipse, (0,0,255), 3)

# 显示带有椭圆的图像
cv2.imshow("ellipse", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Python

输出

当我们执行上面的代码时，它将产生以下输出−

检测到的轮廓数: 1
Python

我们得到以下输出window −

如何使用OpenCV Python将椭圆适配到图像中的对象？

椭圆用红色绘制，旋转矩形（最小面积）用黄色绘制。请注意，椭圆被画在旋转矩形内部。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Python OpenCV

登录

找回密码？

注册