### 替代 OpenCV 的 Python 库进行椭圆拟合 除了 OpenCV，Python 中还有其他库可以实现对轮廓的椭圆拟合，并且可以满足特定条件下的偏转角限制。以下是几种替代方案： --- #### 1. 使用 `scipy.optimize.curve_fit` `scipy.optimize.curve_fit` 可以用于拟合自定义函数，包括椭圆方程[^5]。通过定义椭圆的数学模型并调整参数，可以实现对轮廓点的拟合。 以下是代码示例： ```python import numpy as np from scipy.optimize import curve_fit import matplotlib.pyplot as plt # 定义椭圆方程 def ellipse_func(theta, xc, yc, a, b, angle): cos_angle = np.cos(np.radians(angle)) sin_angle = np.sin(np.radians(angle)) x0 = a * np.cos(theta) y0 = b * np.sin(theta) x = xc + x0 * cos_angle - y0 * sin_angle y = yc + x0 * sin_angle + y0 * cos_angle return np.concatenate((x[:, None], y[:, None]), axis=1) # 示例轮廓点 theta = np.linspace(0, 2 * np.pi, 100) xc, yc, a, b, angle = 100, 100, 50, 30, 30 # 真实参数 points = ellipse_func(theta, xc, yc, a, b, angle) + np.random.normal(0, 5, (100, 2)) # 拟合椭圆 popt, _ = curve_fit( lambda t, xc, yc, a, b, angle: ellipse_func(t, xc, yc, a, b, angle)[:, 0], theta, points[:, 0], p0=[100, 100, 50, 30, 30] ) # 提取拟合结果 fit_xc, fit_yc, fit_a, fit_b, fit_angle = popt # 限制角度在 -45 到 45 度之间 if fit_angle > 45: fit_angle = 45 elif fit_angle < -45: fit_angle = -45 # 绘制结果 fit_points = ellipse_func(theta, fit_xc, fit_yc, fit_a, fit_b, fit_angle) plt.scatter(points[:, 0], points[:, 1], label="Data Points") plt.plot(fit_points[:, 0], fit_points[:, 1], color='red', label="Fitted Ellipse") plt.legend() plt.show() ``` --- #### 2. 使用 `skimage.measure.find_contours` 和 `numpy.linalg.eig` `skimage.measure.find_contours` 可以提取图像中的轮廓点，结合 `numpy.linalg.eig` 计算轮廓点的主轴方向和长度[^6]。这种方法可以间接拟合椭圆。 以下是代码示例： ```python from skimage.measure import find_contours import numpy as np import matplotlib.pyplot as plt # 示例二值图像 image = np.zeros((200, 200), dtype=np.uint8) image[75:125, 75:125] = 255 # 提取轮廓 contours = find_contours(image, 0.8)[0] # 计算协方差矩阵 cov_matrix = np.cov(contours.T) # 计算特征值和特征向量 eigenvalues, eigenvectors = np.linalg.eig(cov_matrix) # 提取椭圆参数 a = np.sqrt(eigenvalues[0]) b = np.sqrt(eigenvalues[1]) angle = np.degrees(np.arctan2(eigenvectors[1, 0], eigenvectors[0, 0])) # 限制角度在 -45 到 45 度之间 if angle > 45: angle = 45 elif angle < -45: angle = -45 # 绘制结果 center = np.mean(contours, axis=0) theta = np.linspace(0, 2 * np.pi, 100) cos_angle = np.cos(np.radians(angle)) sin_angle = np.sin(np.radians(angle)) x = center[1] + a * np.cos(theta) * cos_angle - b * np.sin(theta) * sin_angle y = center[0] + a * np.cos(theta) * sin_angle + b * np.sin(theta) * cos_angle plt.imshow(image, cmap='gray') plt.plot(x, y, color='red') plt.show() ``` --- #### 3. 使用 `shapely.geometry.Ellipse` `shapely` 是一个用于几何计算的库，虽然它没有直接提供椭圆拟合功能，但可以通过构造椭圆对象并调整参数来实现类似效果[^7]。 以下是代码示例： ```python from shapely.geometry import Point import matplotlib.pyplot as plt import numpy as np # 构造椭圆 ellipse = Point(100, 100).buffer(50, resolution=32).boundary # 转换为坐标点 coords = np.array(ellipse.coords) # 绘制结果 plt.plot(coords[:, 0], coords[:, 1], color='blue') # 限制角度（手动调整） angle = 30 if angle > 45: angle = 45 elif angle < -45: angle = -45 # 绘制调整后的椭圆 rotated_coords = np.dot(coords - [100, 100], np.array([[np.cos(np.radians(angle)), -np.sin(np.radians(angle))], [np.sin(np.radians(angle)), np.cos(np.radians(angle))]])) + [100, 100] plt.plot(rotated_coords[:, 0], rotated_coords[:, 1], color='red') plt.show() ``` --- ### 总结 上述方法提供了多种不依赖 OpenCV 的椭圆拟合方式，用户可以根据具体需求选择合适的工具。无论是使用 `scipy.optimize.curve_fit` 进行参数优化，还是利用 `numpy.linalg.eig` 分析轮廓点分布，都可以实现对椭圆的精确拟合并施加角度限制。 ---