Opencv中直线的表示方法

【blog算法原理】Opencv中直线的表示方法

一、问题的提出：

在实际项目编写过程中，需要对直线(Line)进行特定的处理。在以前的项目设计实现中，直线(Line)多是用来绘图使用的，而不是用来进行分析的。

经过较为仔细地研究Opencv提供的相关内容，感觉这个问题很有搞头，所以分离出来研究。先看refman

可以看到，opencv自己提供的3种直线寻找的函数，最后得到的表示line的数据结构和表示内容的表示都是不一样的。出现这个原因，可能是因为编写这几个函数的不是一个开发者；也可能是认为地选择了最适合特定函数使用的数据结构。那么这3个函数效果到底怎么样？如何灵活使用到自己的项目中？最后我将提出结合自己实际编写的函数。

二、函数测试

由于后2个函数都能够直接以图像(MAT)作为参数，所以用一副标准图像进行测试；而后针对Linefit能够以点集作为输入的情况单独测试（如果要使用同样的图像需要先细化再找边缘，比较麻烦)，并且提出自己编写的方法。

测试图像为

编写代码

# include "stdafx.h"
# include <iostream >
# include "opencv2/core/core.hpp"
# include "opencv2/highgui/highgui.hpp"
# include "opencv2/imgproc/imgproc.hpp"
//【blog算法原理】Opencv中直线的表示方法
// jsxyhelu 2016年1月20日
using namespace std;
using namespace cv;
void main()
{
    Mat    src;
    Mat board; //用于将识别出来直线绘制出来
    Mat board2;
    vector <Vec4i > lines;
    vector <Vec2f > linesf;
     ///主要流程///
    src = imread( "PureLine.jpg", 0);
    board = Mat : :zeros(src.size(),src.type());
    board2 = Mat : :zeros(src.size(),src.type());
     HoughLineP测试
    HoughLinesP(src, lines, 1, CV_PI / 180, 50, 50, 10 );
     HoughLine测试
    HoughLines(src, linesf, 1, CV_PI / 180, 100, 0, 0 );
     ///显示结果///
     for( size_t i = 0; i < lines.size(); i ++ ){
        Vec4i l = lines[i];
        line( board, Point(l[ 0], l[ 1]), Point(l[ 2], l[ 3]), Scalar( 255), 1, CV_AA);
    }
     for( size_t i = 0; i < linesf.size(); i ++ ){
         float rho = linesf[i][ 0], theta = lines[i][ 1];
        Point pt1, pt2;
         double a = cos(theta), b = sin(theta);
         double x0 = a *rho, y0 = b *rho;
        pt1.x = cvRound(x0 + 1000 *( -b));
        pt1.y = cvRound(y0 + 1000 *(a));
        pt2.x = cvRound(x0 - 1000 *( -b));
        pt2.y = cvRound(y0 - 1000 *(a));
        line( board2, pt1, pt2, Scalar( 255), 1, CV_AA);
    }
    imshow( "src",src);
    waitKey();
}

结果

(HoughLineP)

(HoughLine)

从结果上来看，HoughlineP识别的要更准确。这两个函数一个是识别出来图形上的点，一个是识别出来角度和图像上的点。两个函数的结果都是自己编写代码打印出来的。

三、结合实际

实际上我需要的是识别出直线，并且对图像进行旋转。这部分的代码是这样的

Point pt1;

    Point pt2;
     float t = ( float)(src.cols +src.rows);
    pt1.x = cvRound(Line1[ 2] - Line1[ 0] *t);
    pt1.y =cvRound(Line1[ 3] -Line1[ 1] *t);
    pt2.x = cvRound(Line1[ 2] +Line1[ 0] *t);
    pt2.y = cvRound(Line1[ 3] +Line1[ 1] *t);
    line( src, pt1, pt2, Scalar( 255), 1, CV_AA);
     //对结果图像进行旋转
    Point center = Point( src.cols / 2, src.rows / 2 ); //以图像中心为中心
     double angle =atan(Line1[ 1] /Line1[ 0]);
    angle   = Rad2Deg(angle); //由弧度转换为角度
     /// 通过上面的旋转细节信息求得旋转矩阵
    Mat rot_mat = getRotationMatrix2D( center, angle, 1 );
     /// 旋转已扭曲图像
    warpAffine( src, dst, rot_mat, src.size() );

目前方向：图像拼接融合、图像识别联系方式：jsxyhelu@foxmail.com

相关文章：