c++的opencv直线检测

### 基于C++和OpenCV的直线检测代码示例 以下是基于C++和OpenCV实现的标准霍夫直线检测、概率霍夫直线检测以及最小二乘法直线拟合的代码示例。 #### 标准霍夫直线检测 标准霍夫变换通过 `cv::HoughLines` 函数来实现，该函数返回一组 `(ρ, θ)` 参数表示的直线[^1]。下面是一个简单的代码示例： ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载图像并转换为灰度图 cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); if (src.empty()) { std::cout << "Could not open or find the image!" << std::endl; return -1; } // 边缘检测 cv::Mat edges; cv::Canny(src, edges, 50, 150); // 定义存储霍夫直线的结果容器 std::vector<cv::Vec2f> lines; // 执行标准霍夫变换 cv::HoughLines(edges, lines, 1, CV_PI / 180, 150); // 绘制检测到的直线 cv::Mat dst; cv::cvtColor(edges, dst, cv::COLOR_GRAY2BGR); for (size_t i = 0; i < lines.size(); ++i) { float rho = lines[i][0], theta = lines[i][1]; cv::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)); cv::line(dst, pt1, pt2, cv::Scalar(0, 0, 255), 3, cv::LINE_AA); } // 显示结果 cv::imshow("Detected Lines (in red) - Standard Hough Line Transform", dst); cv::waitKey(); return 0; } ``` --- #### 概率霍夫直线检测 概率霍夫变换通过 `cv::HoughLinesP` 函数实现，它直接返回直线的两个端点坐标 `(x1, y1, x2, y2)`[^2]。下面是相应的代码示例： ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载图像并转换为灰度图 cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); if (src.empty()) { std::cout << "Could not open or find the image!" << std::endl; return -1; } // 边缘检测 cv::Mat edges; cv::Canny(src, edges, 50, 150); // 存储概率霍夫直线的结果 std::vector<cv::Vec4i> lines; // 执行概率霍夫变换 cv::HoughLinesP(edges, lines, 1, CV_PI / 180, 50, 50, 10); // 绘制检测到的直线 cv::Mat dst; cv::cvtColor(edges, dst, cv::COLOR_GRAY2BGR); for (size_t i = 0; i < lines.size(); ++i) { cv::Vec4i l = lines[i]; cv::line(dst, cv::Point(l[0], l[1]), cv::Point(l[2], l[3]), cv::Scalar(0, 0, 255), 3, cv::LINE_AA); } // 显示结果 cv::imshow("Probabilistic Line Transform", dst); cv::waitKey(); return 0; } ``` --- #### 最小二乘法直线拟合 最小二乘法可以通过计算边缘像素点的最佳拟合直线来完成。这里提供一个简单的方法[^1]: ```cpp #include <opencv2/opencv.hpp> #include <iostream> int main() { // 加载图像并转换为灰度图 cv::Mat src = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); if (src.empty()) { std::cout << "Could not open or find the image!" << std::endl; return -1; } // 边缘检测 cv::Mat edges; cv::Canny(src, edges, 50, 150); // 获取非零点作为候选数据集 std::vector<cv::Point> points; cv::findNonZero(edges, points); // 计算最小二乘法拟合直线 cv::Vec4f line; cv::fitLine(points, line, cv::DIST_L2, 0, 0.01, 0.01); // 提取直线参数 float vx = line[0], vy = line[1], x0 = line[2], y0 = line[3]; // 创建绘图窗口 cv::Mat dst; cv::cvtColor(edges, dst, cv::COLOR_GRAY2BGR); // 绘制拟合直线 int rows = dst.rows, cols = dst.cols; cv::Point pt1(cvRound(x0 - vx * cols), cvRound(y0 - vy * cols)); cv::Point pt2(cvRound(x0 + vx * cols), cvRound(y0 + vy * cols)); cv::line(dst, pt1, pt2, cv::Scalar(0, 255, 0), 3, cv::LINE_AA); // 显示结果 cv::imshow("Least Squares Line Fit", dst); cv::waitKey(); return 0; } ``` --- ### 总结 以上分别展示了如何使用 OpenCV 的 C++ 接口执行标准霍夫直线检测、概率霍夫直线检测以及最小二乘法直线拟合。每种方法都有其适用场景，具体选择取决于实际需求。