基于Opencv和WPF的卡尺找圆，此程序的卡尺算法是用的opencvsharp实现的
一、项目整体架构
本项目是一套以C#语言开发，融合OpenCV计算机视觉技术与WPF桌面应用框架的卡尺找圆解决方案。核心定位是通过自定义卡尺算法实现图像中圆形目标的精准检测与参数计算，整体采用“类库+应用”的分层架构，类库模块封装核心算法，应用模块提供交互入口，结构清晰且耦合度低，具体架构如下：
| 模块类型 | 项目名称 | 核心职责 | 关键输出 |
|---|---|---|---|
| 类库项目 | CaliperToolControl | 封装卡尺边缘提取、圆拟合、图形计算等核心逻辑 | 可复用的用户控件（FitCircleToolControl）与算法接口 |
| 应用项目 | FitDemo | 提供主窗口容器，承载类库中的用户控件 | 可直接运行的桌面应用程序 |
从代码文件组织来看，项目共包含39个文件，涵盖项目配置、算法实现、UI交互、资源配置等维度，其中Extract1DEdge.cs（卡尺边缘提取）、FitCircle.cs（圆拟合）、FitCircleToolControl.xaml.cs（交互逻辑）是支撑项目功能的三大核心文件。
二、核心代码模块逐文件解读
（一）项目配置文件：CaliperToolControl.csproj
作为类库项目的配置入口，该文件定义了项目的编译规则、依赖项与输出设置，关键配置项解读如下：
- 基础配置
- 目标框架：TargetFrameworkVersion="v4.8"，确保兼容.NET Framework 4.8及以上环境；
- 输出类型：OutputType="library"，指定项目编译为类库（.dll）；
- 平台目标：PlatformTarget="x64"，默认以64位架构编译，兼容大内存图像处理场景。 - 依赖项管理
明确引用项目所需的第三方库与系统组件，核心依赖包括：
-OpenCvSharp.dll：OpenCV的C#绑定库，提供图像处理与矩阵运算能力；
-MaterialDesignThemes.Wpf.dll：用于美化WPF界面，提供现代化控件样式；
-WindowControl.dll：自定义图像显示控件库，支持图像加载、图形标记等功能。 - 编译配置
区分Debug与Release模式的编译规则，例如Debug模式保留完整调试信息（DebugType="full"），Release模式开启代码优化（Optimize="true"），同时指定不同模式的输出路径（如bin\x64\Debug\）。
（二）卡尺边缘提取核心：Extract1DEdge.cs
该文件实现了1D卡尺边缘提取算法，是从图像中获取圆形边缘点的关键模块，代码逻辑可拆解为数据定义、构造初始化、边缘提取三大流程。
1. 数据定义：枚举与内部类
- Translation枚举：定义边缘明暗转换类型，
Positive（黑到白，梯度为正）、Negative（白到黑，梯度为负）、All（全部边缘），用于筛选目标边缘方向； - Selection枚举：定义边缘点选择策略，包括
First（第一个边缘点）、Last（最后一个边缘点）、Strongest（梯度最强点）、Weakest（梯度最弱点）、All（所有边缘点），适配不同场景下的边缘筛选需求； - Info内部类：实现
INotifyPropertyChanged接口，用于存储边缘点的坐标（dX、dY）与梯度值（dGradient），支持UI数据绑定与实时更新。
2. 核心字段与构造函数
- 核心字段：存储输入图像（
minputMat）、测量参数（dLength测量长度、dHeight测量高度、dAngle测量角度）、筛选参数（nThreshold梯度阈值、eTranslation转换类型、eSelection选择策略）、几何计算结果（pdStart/pdEnd测量线起止点、dK斜率、_dB截距）等关键数据； - 构造函数：接收外部传入的图像与测量参数，完成初始化工作：
1. 图像预处理：若输入为彩色图，通过cv.Cv2.CvtColor转换为灰度图，减少计算量；
2. 几何计算：调用GraphicMathBase.GetEndPointsOfLine计算测量线的起止点，通过GraphicMathBase.GetLineSlope获取测量线斜率与截距；
3. 参数赋值：初始化候选边缘点列表（_ldCandidate）与筛选参数，为后续边缘提取做准备。
3. 边缘提取核心方法
边缘提取通过GetEdgePoint方法对外提供接口，内部调用GetProfileMat（ROI提取）、FilterMat（图像滤波）、GetGradientMat（梯度计算）三个私有方法，流程如下：
| 方法名 | 核心逻辑 | 关键代码解析 |
|---|---|---|
| GetProfileMat | 提取测量区域（ROI）并标准化 | 1. 构建旋转矩形ROI：new cv.RotatedRect(pdCenter, new cv.Size2f(...), (float)dAngle)；2. 生成掩码： cv.Cv2.FillPoly(mask, pts, cv.Scalar.All(255))，仅保留ROI区域像素；3. 图像旋转与平移：通过 cv.Cv2.GetRotationMatrix2D与cv.Cv2.WarpAffine，将ROI旋转至水平方向并平移至坐标原点，便于后续梯度计算 |
| FilterMat | 高斯滤波降噪 | cv.Cv2.GaussianBlur(minputMat,minputMat, new cv.Size(1, 3),dSigma)：使用1×3的滤波核，根据dSigma（标准差）控制平滑程度，减少噪声对边缘检测的干扰 |
| GetGradientMat | 计算梯度以定位边缘 | 1. 行均值压缩：cv.Cv2.Reduce(minputMat,minputMat, 0, cv.ReduceTypes.Avg, ...)，将ROI压缩为单行矩阵，突出水平方向的灰度变化；2. Sobel梯度计算： cv.Cv2.Sobel(minputMat,minputMat, ..., 1, 0, 1)，计算水平方向（x轴）梯度，梯度值越大表示边缘越明显 |
| GetEdgePoint | 边缘筛选与坐标映射 | 1. 梯度阈值筛选：遍历梯度矩阵，保留绝对值≥nThreshold的点到ldCandidate；2. 转换类型筛选：根据 eTranslation删除不符合明暗转换方向的点（如Positive模式删除负梯度点）；3. 选择策略筛选：按 eSelection裁剪候选点（如Strongest模式按梯度绝对值降序排序后保留第一个点）；4. 坐标映射：将梯度矩阵中的像素坐标（x轴为位置，y轴为梯度）转换为原始图像的世界坐标，最终输出边缘点列表（ lpEdgePoints）与梯度列表（ldGradient） |
（三）圆拟合核心：FitCircle.cs
该文件实现了基于边缘点的圆拟合逻辑，核心是通过RANSAC异常点过滤与两种拟合算法，从边缘点集中计算圆形的中心坐标与半径，代码结构如下：
1. 核心字段与构造函数
- 核心字段：存储边缘点集（
lpfEdgePoints）、异常点集（lpfExceptPoints）、RANSAC距离阈值（_dDistanceThreshold）； - 构造函数：接收外部传入的边缘点列表（
lpdEdgePoints）与距离阈值，将cv.Point2d类型转换为cv.Point2f类型（减少计算精度损失），初始化异常点集与边缘点集。
2. 核心方法：Fit（对外接口）
该方法是圆拟合的入口，整合异常点过滤与拟合计算，流程如下：
public void Fit(out List<cv.Point2d> lpdExceptPoints, out cv.Point2d pdCenter, out double dRadius, int nFitMethod = 1) { // 初始化输出参数 lpdExceptPoints = new List<cv.Point2d>(); pdCenter = new cv.Point2d(); dRadius = -1; // 边缘点数量不足（少于3个），直接返回 if (_lpfEdgePoints.Count < 3) return; // 1. RANSAC异常点过滤 RansacCircleFiler(); // 2. 移除异常点 foreach (cv.Point2f pdExpectPoint in _lpfExceptPoints) { int nIdx = _lpfEdgePoints.IndexOf(pdExpectPoint); if (nIdx != -1) _lpfEdgePoints.RemoveAt(nIdx); lpdExceptPoints.Add(new cv.Point2d(pdExpectPoint.X, pdExpectPoint.Y)); } // 移除异常点后数量不足，返回 if (_lpfEdgePoints.Count < 3) return; // 3. 选择拟合算法（0：最小二乘法，1：Hyper拟合） if (nFitMethod == 0) FitCircleWithLeastSquare(_lpfEdgePoints, out pdCenter, out dRadius); else if (nFitMethod == 1) FitCircleWithHype(_lpfEdgePoints, out pdCenter, out dRadius); }3. 关键子方法解析
- RansacCircleFiler（RANSAC异常点过滤）
核心是通过随机采样一致性算法，从含噪声的边缘点集中筛选出内点（符合圆形特征的点），剔除异常点，代码逻辑如下：
- 迭代次数计算：iterations = (int)(Math.Log(1 - 0.99) / (Math.Log(1 - (1.00 / n))*1.0))+1，基于99%的置信度，确保大概率找到最优内点集；
- 随机采样：循环生成3个不重复且不共线的点（通过lpfEdgePoints[i1].Y !=lpfEdgePoints[i2].Y等条件判断），基于这3个点计算临时圆：
- 求垂直平分线：计算两点连线的中点（GetPPCenter）与垂直平分线斜率（-1/原斜率）；
- 求圆心：计算两条垂直平分线的交点，即为临时圆心；
- 求半径：计算圆心到任意采样点的距离；
- 内点计数：遍历所有边缘点，计算点到临时圆的距离，若绝对值<dDistanceThreshold则为内点，统计内点数量；
- 最优模型更新：保留内点数量最多的临时圆，对应的外点即为异常点，存入lpfExceptPoints。
- FitCircleWithLeastSquare（最小二乘法圆拟合）
基于圆的一般方程x²+y²+ax+by+c=0，通过最小化误差平方和构建线性方程组，求解圆心（-a/2, -b/2）与半径（√(a²+b²-4c)/2），代码核心是计算方程组系数：
- 统计求和：遍历边缘点，计算X1（x求和）、Y1（y求和）、X2（x²求和）、Y2（y²求和）等中间变量；
- 计算系数：通过C = nSizeX2 - X1X1、D = nSizeX1Y1 - X1Y1等公式，得到线性方程组的系数矩阵；
- 求解参数：通过行列式计算a、b、c，最终转换为圆心与半径。
- FitCircleWithHype（Hyper圆拟合）
相比最小二乘法，该方法通过坐标中心化与特征多项式求解，更适用于噪声较多的场景，核心步骤：
- 坐标中心化：计算边缘点x、y坐标的均值，将坐标平移至均值点，减少数值计算误差；
- 构建特征矩阵：计算Mxx（x²均值）、Myy（y²均值）、Mz（x²+y²均值）等统计量；
- 牛顿迭代求解：构建特征多项式A0 + A1x + A2x² + 4x⁴ = 0，通过牛顿迭代法（迭代99次，确保收敛）求解最优x值；
- 计算圆心与半径：基于求解的x值，通过行列式计算中心化后的圆心坐标，加上均值得到原始图像中的圆心，再计算半径。
（四）WPF交互控件：FitCircleToolControl.xaml.cs
该文件是连接算法与用户的桥梁，实现了WPF用户控件的交互逻辑，包括参数配置、图像加载、算法触发、结果展示等功能，核心代码解读如下：
1. 数据绑定与初始化
- INotifyPropertyChanged实现：通过
DoNotify方法触发属性变更通知，支持UI与数据的双向绑定（如pdResultCenter属性更新时，自动同步到resultSXTBX文本框）； - 核心属性：定义配置参数（
nThreshold梯度阈值、dSigma高斯标准差、_eTranslation转换类型等）、结果参数（pdResultCenter拟合圆心、dResultRadius拟合半径）、UI绑定数据（lInfos边缘点信息列表）； - 构造函数：初始化控件（
InitializeComponent）、创建绘图对象（CircleDrawingObject）、设置默认参数（如nThreshold=30、dSigma=1）、绑定列表数据源（infoLST.ItemsSource = lInfos）。
2. 绘图对象与参数更新
- InitDrawingObj：创建圆形绘图对象（
CircleDrawingObject），设置线条颜色（蓝色），绑定拖拽（OnDrag）与缩放（OnResize）回调，支持用户通过鼠标交互调整测量区域； - UpdateSetting：根据用户配置的参数（如中心点、半径、测量数量），计算圆上均匀分布的测量点（
GetEquinoxPointsOfCircle），并同步更新UI文本框（如scxSetTBX.Text = Math.Round(dCenterX, 3).ToString()）； - UpdateCaliper：在图像上绘制卡尺（测量区域），包括测量线（箭头）、测量矩形（
DisplayRect2），并计算每个测量点的测量角度（_ldMeasureAngle），便于后续边缘提取。
3. 用户交互与算法触发
- 按钮点击事件（Button_Click）：
- 读取图片：通过
OpenFileDialog选择图像文件，调用WindowControl.ReadImage加载图像，存储到_inputMat，并更新文件路径文本框； - 运行算法：遍历所有测量点，创建
Extract1DEdge实例提取边缘点，收集所有边缘点后创建FitCircle实例执行圆拟合，最后调用UpdateResult展示结果； - 文本框按键事件（TextBox_KerDown）：用户在参数文本框（如
scxSetTBX、threshTBX）中按回车键时，验证输入合法性并更新对应参数，调用UpdateSetting与UpdateCaliper刷新测量区域； - 下拉框选择事件（ComboBoxSelectionChanged）：用户选择边缘类型（
transCBO）、选择策略（seleCBO）、测量方向（circletransCBO）时，更新对应的枚举参数（如eTranslation = Translation.Poisitive），并刷新卡尺显示； - 列表选择事件（infoLST_SelectionChanged）：用户点击边缘点列表项时，在图像上高亮标记对应的边缘点（红色），便于验证边缘点准确性。
4. 结果展示（UpdateResult）
拟合完成后，在图像上标记关键元素，并更新结果文本框：
- 标记边缘点：正常边缘点用绿色标记（
#79b700），异常点用红色标记； - 绘制拟合圆：用绿色（
#FF76FF03）绘制拟合圆，直观展示拟合效果； - 更新结果：将拟合圆心（
pdResultCenter）与半径（dResultRadius）保留3位小数后，同步到resultSXTBX、resultSYTBX、resultRTBX文本框。
（五）图形学工具类：GraphicMathBase.cs
该文件是项目的几何计算基础，封装了点、线、圆的核心数学运算，所有方法均为静态方法，供其他模块调用，关键方法如下：
| 方法名 | 输入参数 | 输出结果 | 核心用途 |
|---|---|---|---|
| ToRadian/ToDegree | 角度/弧度 | 弧度/角度 | 角度与弧度转换，适配OpenCV与WPF的坐标计算 |
| GetPPDistance | 两个点（支持Point、cv.Point2d等类型） | 两点间距离 | 计算圆心到点的距离、点到点的距离 |
| GetLineSlope | 两个点 | 直线斜率 | 计算测量线、垂直平分线的斜率 |
| GetEndPointsOfLine | 中心点、角度、长度 | 起点、终点 | 生成测量线的起止点，用于绘制卡尺 |
| GetEquinoxPointsOfCircle | 圆心、半径、数量 | 圆上均匀分布的点列表 | 生成卡尺的测量点，确保测量覆盖整个圆形 |
| GetAngleVecWithX | 两个点 | 两点连线与X轴的夹角 | 计算测量方向角度，用于卡尺定向 |
三、应用项目（FitDemo）代码解读
FitDemo是项目的应用入口，负责承载CaliperToolControl类库中的用户控件，提供可运行的桌面应用，核心文件包括：
- App.xaml.cs：WPF应用程序的入口，初始化应用环境，指定启动窗口为
MainWindow； - MainWindow.xaml.cs：主窗口的交互逻辑（当前代码仅包含构造函数，初始化窗口控件），实际运行时会在XAML中引用
CaliperToolControl.FitCircleToolControl，将卡尺找圆控件嵌入主窗口； - FitDemo.csproj：应用项目配置文件，引用
CaliperToolControl类库与相关依赖项（如OpenCvSharp.dll），指定输出类型为WinExe（Windows可执行程序），目标平台为x64。
四、关键技术亮点与代码特色
- 算法鲁棒性：通过RANSAC过滤异常点+两种拟合算法可选，适配不同噪声场景，相比单纯的最小二乘法，抗干扰能力显著提升；
- 交互灵活性：支持鼠标拖拽调整测量区域、实时参数配置、结果高亮标记，降低用户操作门槛，提升使用体验；
- 代码复用性：核心算法封装为独立类（如
Extract1DEdge、FitCircle），与UI逻辑解耦，可轻松集成到其他图像测量项目中； - 计算精准性：通过坐标中心化（Hyper拟合）、高斯滤波降噪、多维度边缘筛选，减少计算误差，确保拟合结果精度；
- 可视化程度高：实时绘制卡尺、边缘点、拟合圆，结果数据保留3位小数，兼顾直观性与准确性。
五、代码运行依赖与注意事项
- 依赖文件：运行前需确保
bin\Debug\x64（或Release目录）下存在OpenCvSharp.dll、MaterialDesignColors.dll、WindowControl.dll等依赖文件，缺失会导致程序启动失败； - 图像格式：仅支持常见的图像格式（如.png、.jpg），若加载图像失败，需检查文件路径是否正确、文件是否损坏；
- 参数合法性：所有数值型参数（如梯度阈值、测量长度）需输入正数，否则会导致几何计算错误或算法执行失败；
- 边缘点数量：若拟合后半径为-1，需检查边缘点数量是否少于3个，可通过降低梯度阈值、调整测量区域等方式增加边缘点数量；
- 平台兼容性：项目默认编译为x64架构，若需在32位系统运行，需修改项目配置中的
PlatformTarget为x86，并替换对应架构的依赖库。
六、总结
本项目通过C#语言，结合OpenCV的图像处理能力与WPF的可视化优势，实现了一套功能完整、鲁棒性强的卡尺找圆工具。核心代码围绕“边缘提取-异常点过滤-圆拟合-结果展示”的流程展开，代码逻辑清晰、注释完善（关键方法与参数均有明确说明），既适用于工业检测、图像测量等实际场景，也可作为计算机视觉与WPF结合开发的学习案例。后续可基于现有代码，扩展多圆检测、批量处理、参数自动优化等功能，进一步提升工具的实用性。
基于Opencv和WPF的卡尺找圆，此程序的卡尺算法是用的opencvsharp实现的
