OpenCVSharp是OpenCV的.NET wrapper，是一名日本工程师开发的，项目地址为：https://github.com/shimat/opencvsharp。
该源码是 BSD开放协议，BSD开源协议是一个给于使用者很大自由的协议。基本上使用者可以”为所欲为”,可以自由的使用，修改源代码，也可以将修改后的代码作为开源或者专有软件再发布或商业化销售。
1.OpenCVSharp的下载
可以直接从上面的github上下载源码，自行编译引用；
也可用vs中的nuget包管理器下载；
打开【工具】->【库程序包管理器】->【管理解决方案的NuGet程序包】，在其中搜索OpenCVSharp，选择合适的点击【安装】（最好安装最新的）。一直等待完成。
我的环境是vs2017，下载之后最好直接拷贝OpenCVSharp系列dll到项目中引用即可。
2.拟合圆并求取圆心
本次举例比较贴近实际，我们求如下原始图片的中间部分圆的圆心，选取的图片故意只留了一半：
源码如下：
using OpenCvSharp;namespace FitCircleDemo{ public class CircleFit { public Mat Run(string imgPath) { //读取图片 //var img = Cv2.ImRead("Data/Image/c1.bmp"); var img = Cv2.ImRead(imgPath); //显示图片 //Cv2.ImShow("Input Image", img); //转换成灰度图 Mat gray = img.CvtColor(ColorConversionCodes.BGR2GRAY); //阈值操作 阈值参数可以用一些可视化工具来调试得到 Mat ThresholdImg = gray.Threshold(11, 255, ThresholdTypes.Binary); Cv2.ImShow("Threshold", ThresholdImg); //降噪 //方法一：高斯变化 //Mat gaussImg= ThresholdImg.GaussianBlur(new Size(5, 5), 0.8); //Cv2.ImShow("GaussianBlur", gaussImg); //方法二：中值滤波降噪 //Mat medianImg = ThresholdImg.MedianBlur(5); //Cv2.ImShow("MedianBlur", medianImg); //方法三：膨胀+腐蚀 ////膨胀处理 //Mat kernel = new Mat(15, 15, MatType.CV_8UC1); //Mat DilateImg = ThresholdImg.Dilate(kernel); ////腐蚀处理 //Mat binary = DilateImg.Erode(kernel); ////显示中间结果 //Cv2.ImShow("Dilate & Erode", binary); Mat element = Cv2.GetStructuringElement(MorphShapes.Ellipse, new Size(3, 3)); Mat openImg = ThresholdImg.MorphologyEx(MorphTypes.Open, element); Cv2.ImShow("Dilate & Erode", openImg); //设置感兴趣的区域 int x = 150, y = 100, w = 294, h = 337; Rect roi = new Rect(x, y, w, h); Mat ROIimg = new Mat(openImg, roi); //Cv2.ImShow("ROI Image", ROIimg); //寻找图像轮廓 Point[][] contours; HierarchyIndex[] hierachy; Cv2.FindContours(ROIimg, out contours, out hierachy, RetrievalModes.List, ContourApproximationModes.ApproxTC89KCOS); //根据找到的轮廓点，拟合椭圆 for (int i = 0; i < contours.Length; i++) { //拟合函数必须至少5个点，少于则不拟合 if (contours[i].Length < 5) continue; //椭圆拟合 var rrt = Cv2.FitEllipse(contours[i]); //ROI复原 rrt.Center.X += x; rrt.Center.Y += y; //画椭圆 Cv2.Ellipse(img, rrt, new Scalar(0, 0, 255), 2, LineTypes.AntiAlias); //画圆心 Cv2.Circle(img, (int)(rrt.Center.X), (int)(rrt.Center.Y), 4, new Scalar(255, 0, 0), -1, LineTypes.Link8, 0); } Cv2.ImShow("Fit Circle", img); return img; } }}
中间处理过程效果图如下：
分别是阈值分割后，中值滤波后，拟合圆之后
对上图中第一张进行降噪方法有很多，经测试最有效的是中值滤波（MedianBlur）和腐蚀&膨胀（MorphologyEx）处理
中值滤波基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，让周围的像素值接近真实的值从而消除孤立的噪声点。
高级形态学变换：
开运算： 先腐蚀，再膨胀，可清除一些小东西(亮的)，放大局部低亮度的区域 闭运算： 先膨胀，再腐蚀，可清除小黑点 形态学梯度： 膨胀图与腐蚀图之差，提取物体边缘 顶帽： 原图像-开运算图，突出原图像中比周围亮的区域 黑帽： 闭运算图-原图像，突出原图像中比周围暗的区域1.腐蚀
首先说腐蚀，腐蚀是缩小图像，去除小沟壑细节的一种操作，腐蚀的概念很好理解，但是公式看起来却很麻烦，我这里主要说概念。腐蚀操作需要两个元素，一个待处理对象A，一个element B，B对A的腐蚀得到的结果是由A中能够包含整个B的像素点所组成的，如下图所示：
其中比较关键的是B的锚点，就是B的锚点在A中扫描时，A能将B完全包住的B的锚点所扫描的像素点。
腐蚀的作用：去除图像中不想要的小细节，比如一张二值图片中的噪点或者小细节。
符号：⊖ \ominus⊖2.膨胀
膨胀的需要与腐蚀完全相同只是他们的作用相反，element B膨胀图形A的结果是，A和B的并集产生的，如下：
B的锚点在A的边界进行扫描，A与B的并集就是B对A进行膨胀的结果。