Opencv Hough算法实现图片中直线检测

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

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

namedWindow("【效果图】", 1);createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughLines);

(3)图像处理及显示

//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()

//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:

#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。

你被雨淋湿的心,是否依旧。

Opencv Hough算法实现图片中直线检测

相关文章:

你感兴趣的文章:

标签云: