如何检测真实图像上的椭圆

问：

我试着辨认出足球场的中场椭圆。我尝试了在线找到的不同解决方案，例如 Hough Transform 和 Template matching，但不幸的是我无法使它们正常工作。 图像是从真实的足球比赛中拍摄的，因此有不同的相机镜头和方向。

目前，我获得了最好的结果，过滤掉了音高之外的像素（使用颜色蒙版），并使用了一些变换，如高斯模糊、Canny，以及边缘轮廓和openCV中的fitEllipse（）等技术。

蒙版后的起始图像：

精明的形象：

在这里，我执行了边缘轮廓，并使用aspect_ratio过滤掉了不相关的边缘：

contours, _ = cv2.findContours(canny_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

min_aspect_ratio = 3  # Minimum aspect ratio threshold (adjust as needed)
max_aspect_ratio = 50  # Maximum aspect ratio threshold (adjust as needed)

# Create a copy of the original image to draw bounding rectangles
image_with_rectangles = image.copy()

# Iterate through the contours
for contour in contours:
    # Calculate the aspect ratio of the bounding rectangle
    x, y, w, h = cv2.boundingRect(contour)
    aspect_ratio = float(w) / h

    # Check if the aspect ratio falls within the specified range
    if min_aspect_ratio < aspect_ratio < max_aspect_ratio:
        # Draw a green bounding rectangle around the contour
        cv2.rectangle(image_with_rectangles, (x, y), (x + w, y + h), (255, 255, 0), 2)

# Display the image with the bounding rectangles
print("Image with Bounding Rectangles")
cv2_imshow(image_with_rectangles)

filtered_contours = [
    cnt for cnt in contours
    if min_aspect_ratio < (float(cv2.boundingRect(cnt)[2]) / cv2.boundingRect(cnt)[3]) < max_aspect_ratio
]

result_image = np.zeros_like(original_image)  # Create a blank canvas

cv2.drawContours(result_image, filtered_contours, -1, (0, 255, 0), 2)  # Draw the filtered contours in green

# Display or save the result_image as needed
cv2_imshow(result_image)

带有边界矩形的图像：

带有轮廓的图像：

最后一步包括尝试拟合椭圆，我遇到了很多问题来使cv2.fitEllipse（）工作，这是我的解决方案：

gray_image = cv2.cvtColor(result_image, cv2.COLOR_BGR2GRAY)
cv2_imshow(gray_image)

# find the contours
contours,hierarchy = cv2.findContours(gray_image, cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
print("\nNumber of contours detected:", len(contours))

ellipse_image = original_image.copy()
ellipses = []
orientations = []

for c in filtered_contours:

  #if it contains at least 5 points (higher the value lower the number of ellipses)
  if len(c) >= 10:
    print(len(c))

    ellipse = cv2.fitEllipse(c)

    # Get the major and minor axes of the ellipse
    major_axis, minor_axis = ellipse[1]
    # Calculate the aspect ratio of the ellipse
    aspect_ratio = major_axis / minor_axis
    #we want a high aspect ratio, meaning that is much wider then taller
    if 0.1 <= aspect_ratio <= 0.2:
      print("\nRatio: ", aspect_ratio)
      print("M and m axes: ", major_axis, minor_axis)

      if major_axis < minor_axis:
        ellipses.append(ellipse)
        orientations.append(int(ellipse[2]))

for e in ellipses:
   cv2.ellipse(ellipse_image, e, (255, 255, 0), 2)


print("\nMiddlefield contour:")
cv2_imshow(ellipse_image)

最终结果：

如何只保留一个椭圆（正确的椭圆）？

在 VITOR 的帖子后编辑

应用大量图像预处理操作来清理在输入图像上检测到的更多轮廓非常重要。如果你能得到一个良好而干净的中场椭圆形状，他的算法可以应用于检测并只保留一个椭圆。 结果有一些误报，但对椭圆的面积、纵横比和长度应用一些范围限制，我得到了很好的结果。

下面是一些例子。如您所见，这取决于过滤后的轮廓。

功：

还不错的结果：

错误结果（未检测到椭圆）：