C# + OpenCVSharp 椭圆拟合圆心：半圆图像处理实战教程

在工业视觉检测、自动化测量、机器人定位等应用场景中，精确提取图像里圆形目标的圆心是一个常见且关键的任务。云栈社区的技术人员经常需要处理这类问题，而 OpenCVSharp 作为 OpenCV 的 .NET 封装库，为 C# 开发提供了强大的图像处理能力，尤其适合 WinForm / WPF 上位机系统的开发。

本文将基于 OpenCVSharp，介绍如何从一张仅包含半圆的图像中，通过图像预处理、轮廓提取与椭圆拟合，精确计算出圆心位置。整个过程贴近实际项目需求，适合初学者入门和开发参考。

1、OpenCVSharp 简介与安装

OpenCVSharp 是 OpenCV 的 .NET 封装库，项目地址：https://github.com/shimat/opencvsharp。

该项目采用 BSD 开源协议，允许自由使用、修改、商业化，甚至可将修改后的代码作为专有软件发布，非常适合企业级项目集成。

安装方式

方式一：NuGet 包管理器（推荐）

1. 打开 Visual Studio → 【工具】→ 【NuGet 包管理器】→ 【管理解决方案的 NuGet 程序包】

2. 搜索 OpenCvSharp4（注意：最新版本为 OpenCvSharp4）
3. 安装 OpenCvSharp4 和 OpenCvSharp4.runtime.win（支持 Windows 运行时）

方式二：源码编译

从 GitHub 下载源码，自行编译后引用 DLL。

提示：在 VS2017 等环境中，建议将安装后的 OpenCVSharp 相关 DLL 拷贝到项目目录并本地引用，避免运行时依赖问题。

2、实现目标：拟合圆并求取圆心

我们有一张仅包含半圆的图像，目标是通过图像处理技术，提取轮廓并拟合出完整椭圆，进而得到圆心坐标。

原始图像如下（仅显示半圆）：

3、核心代码实现

using OpenCvSharp;

namespace FitCircleDemo
{
    public class CircleFit
    {
        public Mat Run(string imgPath)
        {
            // 读取图片
            var img = Cv2.ImRead(imgPath);

            // 转换为灰度图
            Mat gray = img.CvtColor(ColorConversionCodes.BGR2GRAY);

            // 阈值分割
            Mat thresholdImg = gray.Threshold(11, 255, ThresholdTypes.Binary);
            Cv2.ImShow("Threshold", thresholdImg);

            // 形态学开运算降噪（推荐）
            Mat element = Cv2.GetStructuringElement(MorphShapes.Ellipse, new Size(3, 3));
            Mat openImg = thresholdImg.MorphologyEx(MorphTypes.Open, element);
            Cv2.ImShow("Dilate & Erode", openImg);

            // 设置感兴趣区域（ROI）
            int x = 150, y = 100, w = 294, h = 337;
            Rect roi = new Rect(x, y, w, h);
            Mat roiImg = new Mat(openImg, roi);

            // 寻找轮廓
            Point[][] contours;
            HierarchyIndex[] hierarchy;
            Cv2.FindContours(roiImg, out contours, out hierarchy, RetrievalModes.List, ContourApproximationModes.ApproxTC89KCOS);

            // 遍历轮廓，拟合椭圆
            for (int i = 0; i < contours.Length; i++)
            {
                if (contours[i].Length < 5) continue; // 至少5个点才能拟合

                var ellipse = Cv2.FitEllipse(contours[i]);

                // 将椭圆中心还原到原图坐标系
                ellipse.Center.X += x;
                ellipse.Center.Y += y;

                // 绘制拟合椭圆
                Cv2.Ellipse(img, ellipse, new Scalar(0, 0, 255), 2, LineTypes.AntiAlias);

                // 绘制圆心
                Cv2.Circle(img, (int)ellipse.Center.X, (int)ellipse.Center.Y, 4, new Scalar(255, 0, 0), -1);
            }

            Cv2.ImShow("Fit Circle", img);
            return img;
        }
    }
}

4、图像处理流程详解

灰度化：将彩色图像转为灰度图，减少计算量。

阈值分割：使用 Threshold 函数将图像二值化，便于后续处理。阈值 11 可通过调试工具（如 OpenCV 窗口滑块）动态调整。

降噪处理：

• 中值滤波：MedianBlur 适合去除椒盐噪声。
• 形态学开运算：先腐蚀再膨胀，有效去除小噪点，保留主体结构（本文采用此方法）。

ROI 设置：通过 Rect 定义感兴趣区域，提升处理效率并避免干扰。

轮廓提取：使用 FindContours 提取所有轮廓。

椭圆拟合：调用 FitEllipse 对轮廓点集进行最小二乘椭圆拟合。

坐标还原：由于在 ROI 内拟合，需将圆心坐标还原到原图坐标系。

可视化：在原图上绘制椭圆和圆心（红色椭圆，蓝色实心圆）。

5、中间处理效果

• 阈值分割后：图像变为黑白二值图，目标区域清晰。
• 形态学开运算后：噪声点被有效去除，边缘更平滑。
• 拟合圆后：在原图上绘制出红色椭圆和蓝色圆心，成功定位。

降噪方法对比：经测试，中值滤波 和 形态学开运算 在本例中效果最佳。

6、形态学操作原理补充

操作	原理	作用
腐蚀（Erode）	用结构元素扫描图像，仅保留能完全包含结构元素的像素	缩小图像、去除小细节、断开连接区域
膨胀（Dilate）	用结构元素扫描图像，并集扩展	扩大图像、填充空洞、连接邻近区域
开运算（Open）	先腐蚀，再膨胀	去除小亮点，平滑轮廓
闭运算（Close）	先膨胀，再腐蚀	去除小黑点，闭合小裂缝
形态学梯度	膨胀图 - 腐蚀图	提取边缘
顶帽（Top Hat）	原图 - 开运算图	突出亮区域
黑帽（Black Hat）	闭运算图 - 原图	突出暗区域

结构元素（Kernel）：常用椭圆或矩形，如 Cv2.GetStructuringElement(MorphShapes.Ellipse, new Size(3,3))

总结

本文通过 OpenCVSharp 实现了从半圆图像中拟合完整椭圆并提取圆心的完整流程。关键技术点包括：

• 使用 形态学开运算 有效降噪
• 通过 ROI 提高处理效率
• 利用 FitEllipse 实现高精度拟合
• 注意 坐标系还原，避免定位偏差

该方法可广泛应用于：

• 工业零件定位
• 自动对焦系统
• 视觉引导机器人
• 医学图像分析

OpenCVSharp 作为 .NET 平台强大的图像处理工具，结合 C# 的开发效率，非常适合上位机、MES、SCADA 等系统的视觉模块开发。如果你在项目中遇到类似需求，不妨参考上述步骤动手实践。