我们已经得到了感兴趣的轮廓，下一步就是要对轮廓进行选择，有一些轮廓是需要——有一些是不需要的，是噪音。通过判断一个轮廓是否为圆，在很多情况下可以帮助我们来做这至关重要的一步。
简单的情况，比如下图的啤酒瓶缺口检测：
由于瓶口是有缺陷的，造成最大外轮廓不闭合——这显然和“圆”差距很远，那反过来说，那些差距比较小的轮廓可能就是没有缺陷的。
再来看比较复杂的情况，我们来“数钢管”。下图是connection效果，我们发现了很多轮廓，但是只有一部分更接近圆——这些可能就是我们需要寻找的目标。
至关重要的一步就是建立数学模型。2017年左右为解决实际问题，我建立了模型一：
基于圆的定义：
“平面上到定点的距离等于定长的所有点组成的图形叫做圆.定点称为圆心,定长称为半径.”。那么通过判断当前轮廓到一个定点的距离是否为定长，就可以得到当前轮廓是否更像圆。这个定点就可以采用外接圆圆心。这里的度量方式可以是方差。
//根据轮廓点和圆心计算方差 参考代码
float
ComputeVariance(std
:
:
vector
<
cv
:
:
Point
>
theContour,Point2f theCenter)
{
int
a[
65535
],n;
float
aver,s;
float
sum
=
0
,e
=
0
;
n
=
theContour.size();
for
(
int
i
=
0
;i
<
n;i
++
)
{
a[i]
=
GetDistance(theContour[i],theCenter);
sum
+=
a[i];
}
aver
=
sum
/
n;
for
(
int
i
=
0
;i
<
n;i
++
)
e
+=
(a[i]
-
aver)
*
(a[i]
-
aver);
e
/=
n
-
1
;
s
=
sqrt(e);
return
e;
}
模型一使用了3年左右，也解决了很多问题，特别对于简单问题来说，效果是很好的。但是它有一个明显的缺点，就是关于这个结果方差的度量，每次都需要不断试验才能够得出一个较好的值。2020年我遇到了前面的“数钢管”问题，出现了新的困难，比如下图：
当轮廓为长条形的时候（上图红圈），会错误地识别为圆。这种长条型轮廓可以抽象为下图红圈：
这种情况的方差可能不是很大，虽然直观理解其它，它很不是一个圆。
经过一段时间思索和寻找，建立模型二：
基于“圆度”的定义：设平面上一个封闭图形（内部无空洞）的面积为S，它的周长为C，则定义该图形的圆度为：
4 * PI * S
Afa = ------------
C * C
正圆的afa为1，轮廓的afa值越接近1，轮廓越解决圆
4 * PI * S
Afa = ------------
C * C
正圆的afa为1，轮廓的afa值越接近1，轮廓越解决圆
//afa参考代码
double s
= cv
:
:contourArea(contours_test[i]);
//轮廓面积
double c
= cv
:
:arcLength(contours_test[i],
true);
//轮廓周长
float afa
=
4
* PI
*s
/ (c
*c);
//afa计算
afa
= abs(afa
-
1);
比较不同afa阈值情况下，对此轮廓筛选结果
| afa（越小越好） | 结果 |
| 无 |  |
| 0.5 |  |
| 0.3 |  |
| 0.4 |  |
从结果上可以明显看出，afa方法很好地过滤掉了噪音。
感谢阅读至此，希望有所帮助。！
参考资料：
https://bbs.csdn.net/topics/50480119