cv2.fitEllipse创建一个完全不同于它的椭圆

Question

我想在不同的簇周围安装椭圆。到现在为止，我使用了cv2.fit Ellipse并且工作正常。但我发现一个椭圆的问题（超过100个）。以下是再现意外行为的代码示例。

import numpy as np
import cv2
import itertools
import matplotlib.pyplot as mpl

test=np.zeros((40,40))
test[27,12]=1
test[28,11:13]=1
test[29,11:14]=1
test[30,10:14]=1
test[31,11:14]=1
test[32,12:14]=1
test[33,13]=1

def getContours(clusters):
        map_contour=np.ones(clusters.shape).astype(np.uint8)
        int_cnts=[]
        for label in np.unique(clusters):
                # if the label is zero, we are examining the 'background'
                if label == 0:
                        continue
                mask = np.zeros(test.shape, dtype="uint8")
                mask[clusters == label] = 255
                cnts, hierarchy = \
                        cv2.findContours(mask.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
                int_cnts.append(cnts)
                c = max(cnts, key=cv2.contourArea)
                cv2.drawContours(map_contour, cnts, 0, (0, 255, 0), 1)
        list_contours=list(itertools.chain.from_iterable(int_cnts))
        return list_contours, map_contour

list_test,map_test=getContours(test)

info=np.zeros((len(list_test),5))
map_ellipse=np.ones(test.shape).astype(np.uint8)
for index,cnt in enumerate(list_test):
        ellipse=cv2.fitEllipse(cnt)
        info[index,0:2],info[index,2:4],info[index,4] = ellipse
        cv2.ellipse(map_ellipse,ellipse,(255,0,0))

print cnt
print ellipse

mpl.contourf(map_ellipse)
mpl.contour(test)
mpl.show()

cnt给出：

array([[[12,  27]],

       [[11,  28]],

       [[11,  29]],

       [[10, 30]],

       [[13, 33]],

       [[13,  29]],

       [[12,  28]]], dtype=int32)

椭圆是：

((23.71430015563965, -20.397018432617188),
 (8.957982063293457, 98.63383483886719),
 0.0)

正如您所看到的，如果复制/粘贴并运行上面的代码，椭圆的顶部（切成两半）似乎与它应该代表的区域完全断开（左上角）。我不知道代码有什么问题，特别是因为它适用于同一图片中的其他表单。因此，非常感谢任何帮助！

如果您认为这是一个有趣的问题并且您无法回答它，请提升它以便获得更多可见性，我可能有机会得到答案。非常感谢你！

编辑：如果它可以帮助，由于某种原因，当我设置test[30,9:14]=1而不是test[30,10:14]=1时，椭圆的位置和大小（虽然不够好）要好得多。但是当我使用test[30,9:14]=1时，椭圆现在再次变大并位于左上角。对一个像素的这种灵敏度并没有真正改变形状的形状是非常出色的。

Answer 1

我终于找到了发生的事情。由于近似cv2.CHAIN_APPROX_SIMPLE，用于计算椭圆的点数太小。

如果我使用cv2.CHAIN_APPROX_NONE，这个问题就解决了，它考虑了轮廓的所有点。