OpenCV 直线拟合及应用

OpenCV提供了7种(-1为用户定义)直线拟合方法,如下:

CV_DIST_USER    =-1,  /* User defined distance */
CV_DIST_L1      =1,   /* distance = |x1-x2| + |y1-y2| */
CV_DIST_L2      =2,   /* the simple euclidean distance */
CV_DIST_C       =3,   /* distance = max(|x1-x2|,|y1-y2|) */
CV_DIST_L12     =4,   /* L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1)) */
CV_DIST_FAIR    =5,   /* distance = c^2(|x|/c-log(1+|x|/c)), c = 1.3998 */
CV_DIST_WELSCH  =6,   /* distance = c^2/2(1-exp(-(x/c)^2)), c = 2.9846 */
CV_DIST_HUBER   =7    /* distance = |x|<c ? x^2/2 : c(|x|-c/2), c=1.345 */

OpenCV直线拟合函数:

CV_EXPORTS_W void fitLine( 
InputArray points, 
OutputArray line, 
int distType,
double param, 
double reps, 
double aeps );

points为2D的点: distType即为上面提到的算法; param 是 上述公式中的常数C。如果取 0,则程序自动选取合适的值; reps 表示直线到原点距离的精度,建议取 0.01; aeps 表示直线角度的精度,建议取 0.01; 拟合结果即为函数的输出 line,为Vec4f类型,line[0]、line[1] 存放的是直线的方向向量。line[2]、line[3] 存放的是直线上一个点的坐标。 所以 ,直线的斜率即为:line[1]/line[0]。

直线拟合的应用:

#include <iostream>  
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/opencv.hpp>  

#define  PI 3.141592653

using namespace cv;  
using namespace std;  

int main()
{   
    Mat SrcImage, thresholdImage,grayImage;
    SrcImage = imread("2.jpg");
    cvtColor(SrcImage,grayImage,CV_BGR2GRAY);
    threshold(grayImage,thresholdImage, 0, 255, CV_THRESH_OTSU+CV_THRESH_BINARY);
    imshow("threshold",thresholdImage);
    vector<Point2f> onefitlinepoints,twofitlinepoints;
   //从上自下选择点
    for (int i =SrcImage.cols/2-SrcImage.cols/5;i<SrcImage.cols/2+SrcImage.cols/5;i++)
     { for (int j=0;j<SrcImage.rows-1;j++)
        {if ((int)thresholdImage.at<uchar>(j,i)==255)
            {  circle(thresholdImage,Point(i,j),2,Scalar(0,255,0));
                onefitlinepoints.push_back(Point(i,j));
                break; 
             }}}
             //从下自上选择点
     for (int k =SrcImage.cols/2-SrcImage.cols/5;k<SrcImage.cols/2+SrcImage.cols/5;k++)
      {  for (int l=SrcImage.rows-1;l>0;l--)
         {if ((int)thresholdImage.at<uchar>(l,k)==255)
            { circle(thresholdImage,Point(k,l),2,Scalar(0,255,0));
               twofitlinepoints.push_back(Point(k,l));
               break; 
             }}}
         //计算第一次拟合角度
     Vec4f oneline;
     fitLine(onefitlinepoints, oneline, CV_DIST_L1, 0, 0.01, 0.01);
     cout<<oneline[0]<<endl;
     cout<<oneline[1]<<endl;
    //求角度
     double  onefitlineradian =  atan(oneline[1]/oneline[0]);
     double  onefitlineangle = (onefitlineradian*180)/CV_PI;
     cout<<"直线拟合角度="<<onefitlineangle<<endl;

    //计算第二次拟合角度
    Vec4f twoline;
    fitLine(twofitlinepoints, twoline, CV_DIST_L1, 0, 0.01, 0.01);
    cout<<twoline[0]<<endl;
    cout<<twoline[1]<<endl;
    //求角度
    double  twofitlineradian =  atan(twoline[1]/twoline[0]);
    double  twofitlineangle = (twofitlineradian*180)/CV_PI;
    cout<<"直线拟合角度="<<twofitlineangle<<endl;

    double averagefitlineangle = (onefitlineangle+twofitlineangle)/2;
    cout<<"直线拟合平均角度="<<averagefitlineangle<<endl;

    //画出直线
    Point2f point1,point2,point3;
    point2.x = oneline[2];
    point2.y = oneline[3];

    point1.x = 0;
    point1.y = oneline[1]*(point1.x-oneline[2])/oneline[0]+oneline[3];

    point3.x = SrcImage.cols;
    point3.y = oneline[1]*(point3.x-oneline[2])/oneline[0]+oneline[3];

    line(SrcImage,point1,point3,Scalar(0,0,255));

    imshow("直线拟合",SrcImage);
    waitKey(0);
    getchar();
    return 0;
}

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏木东居士的专栏

机器学习经典开源数据集

"数据为王,使用相同机器学习算法,不同质量的数据能训练出不同效果的模型。本文将分享数据科学领域中经典的几个开源数据集。

3909
来自专栏大数据文摘

手把手 | 初学者如何用Chainer为漫画上色 深度学习帮你逆袭漫画家(附代码)

1633
来自专栏从流域到海域

自相关和偏自相关的简单介绍

原文地址:https://machinelearningmastery.com/gentle-introduction-autocorrelation-part...

5647
来自专栏Petrichor的专栏

深度学习: 从YOLOv1到YOLOv3

从YOLOv1到YOLOv3,YOLO系独树一帜,自成一派,是检测算法领域的一股(朵)清(奇)流(葩)。

2386
来自专栏机器学习算法与理论

最新姿态估计研究进展

最新姿态估计研究进展 自上而下:就是先检测包含人的框,即human proposal,然后对框子中的人进行姿态估计。一般RCNN(区域CNN就是这个思路) 自下...

7906
来自专栏集智的专栏

使用腾讯云 GPU 学习深度学习系列之二:Tensorflow 简明原理

本文介绍了如何通过简单的 Python 代码,重点实现深度学习框架的计算图模型,以及自动求导过程。

8K3
来自专栏CVer

[计算机视觉论文速递] 2018-03-03

通知:这篇推文很长,有32篇论文速递信息,涉及目标检测、图像分割、网络优化、人脸表情识别、SLAM和OCR等方向。 [1]《The 2018 DAVIS Cha...

45012
来自专栏塔奇克马敲代码

ECEF和大地坐标系的相互转化

1222
来自专栏深度学习与数据挖掘实战

【今日热门&优质资源】kaggle竞赛冠军分享&tensorflow在quora问答去重中的应用

882
来自专栏机器学习算法与理论

基于landmark的疲劳检测

        经查阅相关文献,疲劳在人体面部表情中表现出大致三个类型:打哈欠(嘴巴张大且相对较长时间保持这一状态)、眨眼(或眼睛微闭,此时眨眼次数增多,且眨眼...

3095

扫码关注云+社区