46、利用厚度轮廓检测细长形状中的椭圆

利用厚度轮廓检测细长形状中的椭圆

在图像分析和计算机视觉领域，检测细长形状中的椭圆是一项重要任务。本文将介绍一种通过跟踪对称轴上的厚度变化来检测椭圆参数的方法，该方法不仅能处理简单椭圆形状，还能处理复杂的椭圆组合形状。

1. 算法步骤概述

当形状发生变形时，算法在骨架化后增加了形状扁平化步骤，这种改进方法被称为拉直的TED（S - TED）。主要步骤包括骨架化、形状扁平化、计算厚度轮廓和椭圆参数估计。

2. 骨架化

骨架化有多种技术，主要分为以下几类：
- 基于中轴变换（MAT） ：原理是在形状内部拟合最大半径的圆，并依次连接圆心。与草火骨架和距离变换（DT）不同，其结果表示不包含轮廓的脊。DT是一个算子，它为给定二值图像的每个像素分配其到最近背景像素的距离。
- 基于Voronoi图 ：利用形状的边界点生成Voronoi镶嵌，然后将属于给定形状的Voronoi图的点集作为骨架。
- 同伦细化 ：迭代剥离对象表面，同时保留拓扑结构，最终得到一个单像素厚的骨架。

然而，所有这些方法都受噪声影响，表现为出现不对应形状本质部分的虚假分支。

3. 形状扁平化

一种形状扁平化的方法是计算对称轴上的曲率，从原点开始，将对称轴上的点依次向对齐方向平移，但这种方法计算成本高，且在螺旋形状上会失败。

另一种方法是使用拉直的曲线平面重构（CPR），将形状在图像空间中的每个点的笛卡尔坐标转换为对象特定空间。该方法使用一个轴上的纵向值和另一个轴上的纬度值。