本文实例为大家分享了Opencv Hough算法实现直线检测的具体代码,供大家参考,具体内容如下
(1)载入需检测的图及显示原图
1
2
|
Mat g_srcImage = imread( "C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg" ); //图片所放路径
imshow( "【原始图】" , g_srcImage);
|
(2)为显示不同的效果图而设置滑动条
1
2
|
namedWindow( "【效果图】" , 1);
createTrackbar( "值" , "【效果图】" , &g_nthreshold, 200, on_HoughLines);
|
(3)图像处理及显示
1
2
3
4
5
6
7
8
9
10
|
//进行边缘检测和转化为灰度图
Canny(g_srcImage, g_midImage, 50, 200, 3); //进行一次canny边缘检测
cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR); //转化边缘检测后的图为灰度图
//调用一次回调函数,调用一次HoughLinesP函数
on_HoughLines(g_nthreshold, 0);
HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10);
//显示效果图
imshow( "【效果图】" , g_dstImage);
waitKey(0);
return 0;
|
(4)主要函数:on_HoughLines()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
//定义局部变量储存全局变量
Mat dstImage = g_dstImage.clone();
Mat midImage = g_midImage.clone();
//调用HoughLinesP函数
vector<Vec4i> mylines;
HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10);
//循环遍历绘制每一条线段
for ( size_t i = 0; i < mylines.size(); i++)
{
Vec4i l = mylines[i];
line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(23, 180, 55), 1, CV_AA);
}
//显示图像
imshow( "【效果图】" , dstImage);
|
(5)源代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
|
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
Mat g_srcImage, g_dstImage, g_midImage; //原始图、中间图和效果图
vector<Vec4i> g_lines; //定义一个矢量结构g_lines用于存放得到的线段矢量集合
//变量接收的TrackBar位置参数
int g_nthreshold = 100;
static void on_HoughLines( int , void *); //回调函数
static void ShowHelpText();
int main()
{
//改变console字体颜色
system ( "color 3F" );
ShowHelpText();
//载入原始图和Mat变量定义
Mat g_srcImage = imread( "C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg" );
//显示原始图
imshow( "【原始图】" , g_srcImage);
//创建滚动条
namedWindow( "【效果图】" , 1);
createTrackbar( "值" , "【效果图】" , &g_nthreshold, 200, on_HoughLines);
//进行边缘检测和转化为灰度图
Canny(g_srcImage, g_midImage, 50, 200, 3); //进行一次canny边缘检测
cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR); //转化边缘检测后的图为灰度图
//调用一次回调函数,调用一次HoughLinesP函数
on_HoughLines(g_nthreshold, 0);
HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10);
//显示效果图
imshow( "【效果图】" , g_dstImage);
waitKey(0);
return 0;
}
static void on_HoughLines( int , void *)
{
//定义局部变量储存全局变量
Mat dstImage = g_dstImage.clone();
Mat midImage = g_midImage.clone();
//调用HoughLinesP函数
vector<Vec4i> mylines;
HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10);
//循环遍历绘制每一条线段
for ( size_t i = 0; i < mylines.size(); i++)
{
Vec4i l = mylines[i];
line(dstImage, Point(l[0], l[1]), Point(l[2], l[3]), Scalar(23, 180, 55), 1, CV_AA);
}
//显示图像
imshow( "【效果图】" , dstImage);
}
static void ShowHelpText()
{
//输出一些帮助信息
printf ( "\n\n\n\t通过调整滚动条观察图像的不同效果~\n\n" );
printf ( "\n\n\t\t\t by浅墨" );
}
|
(6)原图:
效果图(调节滑条显示不同结果图):
值为100时:
值为23时:
值为60时:
值为126时:
值为184时:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/myclass1312/article/details/80456584