1.首先，读取图像并将其转换为灰度图像。

2.进行图像预处理，包括使用高斯模糊和阈值化，以便更好地处理图像。

3.通过使用OpenCV的cv2.findContours()函数，找到图像中的所有轮廓。

4.遍历所有轮廓，如果轮廓点的数量大于等于5个，则将这个轮廓拟合为一个椭圆。

5.如果成功拟合出椭圆，则获取椭圆的中心坐标、长轴长度、短轴长度和旋转角度。

6.使用计算得到的椭圆信息，计算出长轴和短轴的端点坐标。

7.使用OpenCV的cv2.ellipse()函数在原始图像上绘制椭圆，并使用cv2.circle()函数在图像上绘制长轴和短轴的四个端点，并分别用红色和蓝色表示。

8.最后，显示带有椭圆和端点的图像，等待用户按下任意键后关闭显示窗口。

import cv2
import numpy as npimage = cv2.imread("XXX.png", cv2.IMREAD_GRAYSCALE)
blur = cv2.GaussianBlur(image, (5, 5), 0)
_, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)ellipse = None
for contour in contours:if len(contour) >= 5:ellipse = cv2.fitEllipse(contour)breakif ellipse is not None:center, axes, angle = ellipsemajor_axis, minor_axis = axesangle_rad = np.deg2rad(angle)cos_angle = np.cos(angle_rad)sin_angle = np.sin(angle_rad)# 长轴端点坐标x1 = int(center[0] + major_axis / 2 * cos_angle)y1 = int(center[1] - major_axis / 2 * sin_angle)x2 = int(center[0] - major_axis / 2 * cos_angle)y2 = int(center[1] + major_axis / 2 * sin_angle)# 短轴端点坐标x3 = int(center[0] + minor_axis / 2 * sin_angle)y3 = int(center[1] + minor_axis / 2 * cos_angle)x4 = int(center[0] - minor_axis / 2 * sin_angle)y4 = int(center[1] - minor_axis / 2 * cos_angle)# 在图像上绘制椭圆及长轴和短轴的端点image_with_ellipse = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)cv2.ellipse(image_with_ellipse, ellipse, (0, 255, 0), 2)cv2.circle(image_with_ellipse, (x1, y1), 5, (0, 0, 255), -1)  # 长轴端点用红色标记cv2.circle(image_with_ellipse, (x2, y2), 5, (0, 0, 255), -1)  # 长轴端点用红色标记cv2.circle(image_with_ellipse, (x3, y3), 5, (255, 0, 0), -1)  # 短轴端点用蓝色标记cv2.circle(image_with_ellipse, (x4, y4), 5, (255, 0, 0), -1)  # 短轴端点用蓝色标记# 显示图像cv2.imshow("Image with Ellipse and Axes", image_with_ellipse)cv2.waitKey(0)cv2.destroyAllWindows()
else:print("No ellipse found.")