我正在做一个项目，拍摄粉末衍射图像，并试图找到图像中的所有椭圆环。
我使用的是RANSAC算法，它将椭圆拟合到数据中，然后减去这些点（内嵌点），然后继续拟合另一个椭圆，直到内嵌比变得足够小。
我的问题是，根据我如何设置阈值距离，它要么适合的椭圆比应该有的多，要么不够。
我想知道有没有改进RANSAC更准确，或者有没有更好的算法，我应该使用？
我对你正在处理的过程没有背景知识，但看起来所有的椭圆（如果真的是椭圆，很难说）都是同心的，所以为了提高准确性，我会尝试：
>
找到中心
或者它的近似值。让我们称之为x0， y0，让图像分辨率为xs，ys。要么你已经知道它的位置（由于你对图像属性的了解），要么估计它（扫描一个椭圆形，找到穿过整个椭圆形的两条线，它们的交叉点就是你的中心）。如果中心不精确，那么结果将更像椭圆形，然后是椭圆形，但这没关系，你可以稍后重建原始去噪图像，或者根据后者的数据重新计算中心…
从（x0， y0）到（xs-1,0）的投射射线
并将图像内容复制到一些大小为xs ys的清除行缓冲区，以确保覆盖任何中心位置…
将整个图像与光线整合
所以投射光线总是从（x0， y0）到（xs-1,1），（xs-1,2）…（xs-1，ys-1）然后（xs-2，ys-1），…（0，ys-1）等来覆盖整个图像周长。找出与原始存储行的比例（大多数峰值必须匹配）并将重新缩放的图像内容沿着光线添加到存储的行缓冲区中。
记住每个角度的刻度。
用用过的光线计数覆盖整个图像分割线缓冲区后，你可以在椭圆形环中平均切割出很多情人噪声。现在只需找到其中的峰。每个峰代表单独的椭圆形，它的位置给你初始光线位置角的半径。
刻度给你椭圆形/椭圆形的属性。所以找到最小和最大刻度，给你主轴和小轴所在的角度…具有峰值位置的刻度本身给你轴的大小…所以不需要RANSAC（但是你仍然可以用它来计算刻度）。
[笔记]
为了避免出现在平均线上，您可以为每个像素添加一个计数，其中包含添加到每个像素的光线数量，并将其用于最终分割。
此外，这些QA可能会有所帮助：
[Edit1]一些进一步的信息
我很好奇，所以我尝试了一下（概念证明）。我将您的图像调整为512x512，以便它适合窗口以便于视觉检查，并手动将中心设置为（133,285）然后创建所有光线的集成（暂时不缩放），然后我部分重建图像：
像太阳一样的形状是由综合平均线重建的图像，其余的是原始图像。正如你所看到的，这两个几乎完全吻合，所以你的椭圆几乎是圆形的（或者是圆形的，我的中心有点偏离）。
水图的强度（y轴）与积分平均线中心的距离有关。每个峰值代表一个圆。因此，您可以在1D数据中找到圆，而不是在2D中拟合。这里完全重建图像，无需任何调试绘制：
不管怎么看，缩放不是一个好方法，应该使用偏移（从上次光线偏移 /-几个像素）来代替。如果有更多的时间心情，我会试一试…
[edit2]更精确的中心和更多信息
你越接近中心，平均线上出现的尖峰就越尖锐和更大。它可以用来更精确地拟合中心（我用它发现我在x轴上偏离了1个像素，这对于手动选择中心非常好…）。之后，由于椭圆是圆，不需要缩放或移动。然后只需减去平均线的滑动平均值（Aqua图）并仅检测正尖峰（蓝图）：
每个尖峰代表一个圆（半径是距离中心的距离，这也是以像素为单位的线数组中的地址），因此只需保持强度尖峰并输出圆…
在应用峰值检测和全精度集成后：
