网站首页 > 技术文章 正文
1、概述
案例:使用霍夫直线检测简单图像中的直线
HoughLinesP(
InputArray src, // 输入图像,必须8-bit的灰度图像
OutputArray lines, // 输出的极坐标来表示直线(用vector数组定义)
double rho, // 生成极坐标时候的像素扫描步长(一般设置为1,也可根据实际情况尝试)
double theta, //生成极坐标时候的角度步长,一般取值CV_PI/180
int threshold, // 阈值,只有获得足够交点的极坐标点才被看成是直线(同一条直线上的坐标点再霍夫空间会相交与一点)
double minLineLength=0;// 最小直线长度(可根据这个值检测大直线和小直线)
double maxLineGap=0;// 最大间隔(间隔多大的两个像素点之间会被算做一个直线)
)
2、代码示例
Mat src = imread(filePath);
if(src.empty()){
return;
}
imshow("src",src);//显示原图
Mat dst;
cvtColor(src,dst,COLOR_BGR2GRAY);//转换灰度图
imshow("gray",dst);
//边缘检测
Canny(dst,dst,50,100,3,true);
imshow("canny",dst);
//霍夫直线检测
vector<Vec4f> plines;
HoughLinesP(dst,plines,1,CV_PI/180,10,100,10);
Mat matLine = Mat::zeros(src.size(),src.type());
for(int i=0;i<plines.size();i++){
Vec4f h = plines[i];
line(matLine,Point(h[0],h[1]),Point(h[2],h[3]),Scalar(0,0,255),3,LINE_AA);
}
imshow("lines",matLine);
3、演示图片
(红色的直线为检测到的直线)
猜你喜欢
- 2024-12-10 基于点云的3D管道自适应重建与建模方法
- 2024-12-10 前端智能化实践:从图片识别UI样式
- 2024-12-10 读懂自动驾驶传感器:激光雷达/毫米波雷达/超声波雷达/摄像头
- 2024-12-10 使用Python实现智能驾驶与交通安全
- 2024-12-10 基于计算机视觉的烟丝宽度测量方法
- 2024-12-10 实战:使用 OpenCV 的自动驾驶汽车车道检测(附代码)
- 2024-12-10 「比亚迪云辇」与「奔驰魔毯」:配备立体双目才是真正的主动悬挂
- 2024-12-10 OpenCV(35)——霍夫变换
- 2024-12-10 视觉尺寸检测原理是什么,看完这篇文章你就懂了
- 2024-12-10 基于SoPC上的车道偏离预警系统
你 发表评论:
欢迎- 最近发表
- 标签列表
-
- oraclesql优化 (66)
- 类的加载机制 (75)
- feignclient (62)
- 一致性hash算法 (71)
- dockfile (66)
- 锁机制 (57)
- javaresponse (60)
- 查看hive版本 (59)
- phpworkerman (57)
- spark算子 (58)
- vue双向绑定的原理 (68)
- springbootget请求 (58)
- docker网络三种模式 (67)
- spring控制反转 (71)
- data:image/jpeg (69)
- base64 (69)
- java分页 (64)
- kibanadocker (60)
- qabstracttablemodel (62)
- java生成pdf文件 (69)
- deletelater (62)
- com.aspose.words (58)
- android.mk (62)
- qopengl (73)
- epoch_millis (61)
本文暂时没有评论,来添加一个吧(●'◡'●)