个人中心
gpt4 book ai didi

Opencv Hough算法实现图片中直线检测

转载 作者：qq735679552 更新时间：2022-09-28 22:32:09 49 4
gpt4 key购买 nike

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章Opencv Hough算法实现图片中直线检测由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

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:

Opencv Hough算法实现图片中直线检测

效果图（调节滑条显示不同结果图）:

值为100时:

Opencv Hough算法实现图片中直线检测

值为23时:

  。

值为60时:

Opencv Hough算法实现图片中直线检测

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我.

原文链接：https://blog.csdn.net/myclass1312/article/details/80456584 。

最后此篇关于Opencv Hough算法实现图片中直线检测的文章就讲到这里了,如果你想了解更多关于Opencv Hough算法实现图片中直线检测的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

49 4 0
文章推荐： Python中Selenium对Cookie的操作方法
文章推荐： 混合IT环境对NetOps专业人员的影响
文章推荐： Python常用配置文件ini、json、yaml读写总结
文章推荐： C++使用模板实现单链表（类外实现）
qq735679552
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com