相比于直线检测，直线拟合的最大特点是将所有数据只拟合出一条直线
void fitLine( InputArray points, OutputArray line, int distType, double param, double reps, double aeps );
points：输入待拟合直线的2D或者3D点集。 line：输出描述直线的参数，2D点集描述参数为Vec4f类型，3D点集描述参数为Vec6f类型。 distType：M-estimator算法使用的距离类型标志，可以选择的距离类型在表7-1中给出。 param：某些类型距离的数值参数（C）。如果数值为0，则自动选择最佳值。 reps：坐标原点与直线之间的距离精度，数值0表示选择自适应参数，一般常选择0.01。 aeps：直线角度精度，数值0表示选择自适应参数，一般常选择0.01。
该函数利用最小二乘法拟合出距离所有点距离最小的直线，直线的描述形式可以转化成点斜式。函数第一个参数是待拟合直线的2D或者3D点集，可以存放在vector<>或者Mat类型的变量中赋值给参数。函数第二个参数是拟合直线的描述参数，如果是2D点集，输出量为Vec4f类型的(vxvyx0y0)，其中(vxvy)是与直线共线的归一化向量，(x0y0)是拟合直线上的随意一点，根据这四个量可以计算得到2维平面直线的点斜式解析式，表示形式如式所示。
如果输入参数是3D点集，输出量为Vec6f类型的(vxvyvzx0y0z0)，其中(vxvyvz)是与直线共线的归一化向量，(x0y0z0)是拟合直线上的随意一点。函数第三个参数是M-estimator算法使用的距离类型标志，可以选择的距离类型在表中给出。函数第四个参数是某些距离类型中的数值参数C，如果数值0表示选择最佳值。函数第五个参数表示坐标原点与拟合直线之间的距离精度，数值0表示选择自适应参数；函数第六个参数表示拟合直线的角度精度，数值0表示选择自适应参数。第五个参数和第六个参数一般取值0.01。
简单示例
//// Created by smallflyfly on 2021/6/22.// #include "opencv2/opencv.hpp"#include <iostream> using namespace std;using namespace cv; int main() { Vec4f lines; vector<Point2f> points; const static float pts[20][2] = { {0.0f,0.0f},{10.0f,11.0f},{21.0f,20.0f},{30.0f,30.0f}, {40.0f,42.0f},{50.0f,50.0f},{60.0f,60.0f},{70.0f,70.0f}, {80.0f,80.0f},{90.0f,92.0f},{100.0f,100.0f},{110.0f,110.0f}, {120.f,120.0f},{136.0f,130.0f},{138.0f,140.0f},{150.0f,150.0f}, {160.0f,163.0f},{175.0f,170.0f},{181.0f,180.0f},{200.0f,190.0f} }; for (int i = 0; i < 20; ++i) { points.emplace_back(pts[i][0], pts[i][1]); } double param = 0.0; double reps = 0.01; double aeps = 0.01; fitLine(points, lines, DIST_L1, param, reps, aeps); cout << lines << endl; return 0;}
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。
其实，每个人都是幸福的。只是，你的幸福，常常在别人眼里。
