这段代码是[1]中提出的Method RFOVE的简单实现，它是重叠椭圆的基于区域的拟合及其在细胞分割中的应用。 RFOVE 是完全无监督的，无需对对象形状进行任何假设或先验知识即可运行，并扩展和改进了递减椭圆拟合算法 (DEFA) [1]。 RFOVE 和 DEFA 都通过执行模型选择来解决多椭圆拟合问题，该模型选择由基于适当定义的形状复杂性度量的 Akaike 信息准则的最小化指导。 然而，与 DEFA 相比，RFOVE 最小化了一个目标函数这允许具有更高重叠度的椭圆，从而实现更好的基于椭圆的形状近似。 您可以在 [1] 中找到更多详细信息。 文件： runRFOVE.m : 方法的实现 如果您在工作中引用我们的论文 [1]，我们将不胜感激： [1] C. Panagiotakis 和 AA Argyros，“基于区域的重叠椭圆拟合及其应用于细胞分割”，图像和视觉计算，Else

C语言椭圆拟合--边界检测--直线提取算法

将一个matlab写的椭圆拟合函数改写成C++函数，可根据若干个点的坐标拟合成椭圆，输出椭圆标准参数方程的系数，文件附带有相应的matlab函数。函数依赖于OpenCV、Eigen库。

用于检测图像椭圆边界，

乳腺癌良恶性判别时，计算椭圆紧致度参数。

matlab进行对散点数据拟合，画出最相似的椭圆

采用matlab程序编写的直线拟合程序、平面拟合程序、圆拟合和椭圆拟合程序，在图像处理和视觉测量中有较多的应用。

function [varargout]=ellipsefit(x,y) %ELLIPSEFIT Stable Direct Least Squares Ellipse Fit to Data. % [Xc,Yc,A,B,Phi,P]=ELLIPSEFIT(X,Y) finds the least squares ellipse that % best fits the data in X and Y. X and Y must have at least 5 data points. % Xc and Yc are the x- and y-axis center of the ellipse respectively. % A and B are the major and minor axis of the ellipse respectively. % Phi is the radian angle of the major axis with respect to the x-axis. % P is a vector containing the general conic parameters of the ellipse.

文中提出了一种改进的红外图像中瞳孔定位算法。在红外暗瞳图像中,首先用阈值分割获得候选瞳孔区域,通过形态学运算、团块筛选获得瞳孔区域,对该区域进行边缘检测、斑点去除和椭圆拟合等处理,精确定位瞳孔。实验结果表明,该算法能够很好的克服反射光斑、睫毛及阴影等干扰问题

网上有很多椭圆拟合算法程序，但是过于冗长繁琐，自己重新推导了下，用简单几行代码就实现了椭圆拟合法，椭球拟合法可以在此基础上添加几个量就可以得到了。