OpenCV图像处理——直线拟合并找出拟合直线的起点与端点

引言

对轮廓进行分析,除了可以对轮廓进行椭圆或者圆的拟合之外,还可以对轮廓点集进行直线拟合。在 OpenCV 中,直线拟合通常是通过 cv::fitLine 函数实现的,该函数采用最小二乘法对一组 2D 或 3D 点进行直线拟合。对于 2D 点集,拟合结果是一个 cv::Vec4f 类型的向量,包含了直线的方向向量和直线上的一个点。这个方向向量可以被转换为直线的斜率和截距,从而得到直线的方程。

OpenCV实现直线拟合的API如下:

bash 复制代码
void cv::fitLine(
	InputArray points,
	OutputArray line,
	int distType,
	double param,
	double reps,
	double aeps 
)
points表示待拟合的输入点集合
line在二维拟合时候输出的是vec4f类型的数据,在三维拟合的时候输出是vec6f的vector
distType表示在拟合时候使用距离计算公式是哪一种,OpenCV支持如下六种方式:
    DIST_L1 = 1
    DIST_L2 = 2
    DIST_L12 = 4
    DIST_FAIR = 5
    DIST_WELSCH = 6
    DIST_HUBER = 7
param对模型拟合距离计算公式需要参数C,5~7 distType需要参数C
reps与aeps是指对拟合结果的精度要求,一般取0.01

示例代码

cpp 复制代码
void fit_line_points(std::vector<cv::Point>& points, cv::Point2f& p1, cv::Point2f& p2)
{
	// 使用 fitLine 拟合直线
	cv::Vec4f line;
	fitLine(points, line, cv::DIST_L2, 0, 0.01, 0.01);

	cv::Point2f pointOnLine(line[2], line[3]); // 直线上的一个点
	cv::Point2f direction(line[0], line[1]);   // 直线的方向向量

	// 找到拟合直线方向上投影距离最小和最大的点(计算端点)
	float t_min = FLT_MAX, t_max = -FLT_MAX;
	cv::Point2f minPoint, maxPoint;

	for (const auto& pt : points) {
		// 投影长度 t = (pt - pointOnLine) · direction
		float t = (pt.x - pointOnLine.x) * direction.x + (pt.y - pointOnLine.y) * direction.y;
		if (t < t_min) {
			t_min = t;
			minPoint = pt;
		}
		if (t > t_max) {
			t_max = t;
			maxPoint = pt;
		}
	}

	// 使用方向向量扩展点,计算直线的两个顶点
	p1 = pointOnLine + direction * t_min;
	p2 = pointOnLine + direction * t_max;
}

调用函数:

cpp 复制代码
int main() 
{
    // 创建一些示例点
    vector<Point2f> points = {
        Point2f(100, 100), Point2f(150, 200), Point2f(200, 300),
        Point2f(300, 400), Point2f(400, 500), Point2f(500, 600)
    };

    // 拟合直线并找到直线的两个顶点
    LineEndpoints result = fitLineAndFindEndpoints(points);

    // 打印结果
    cout << "Endpoint 1: [" << result.endpoint1.x << ", " << result.endpoint1.y << "]" << endl;
    cout << "Endpoint 2: [" << result.endpoint2.x << ", " << result.endpoint2.y << "]" << endl;

    // 在图像上绘制这些点和拟合的直线
    Mat image = Mat::zeros(Size(800, 800), CV_8UC3);
    for (const auto& pt : points) {
        circle(image, pt, 5, Scalar(0, 0, 255), FILLED);
    }
    line(image, result.endpoint1, result.endpoint2, Scalar(0, 255, 0), 2);
    circle(image, result.endpoint1, 5, Scalar(255, 0, 0), FILLED);
    circle(image, result.endpoint2, 5, Scalar(255, 0, 0), FILLED);

    // 显示结果图像
    namedWindow("Fitted Line", WINDOW_AUTOSIZE);
    imshow("Fitted Line", image);
    waitKey(0);

    return 0;
}

实现结果:

代码说明

  1. 点集创建:

    • 首先创建了一组示例点,这些点可以是任意想要拟合的点集。
  2. 拟合直线:

    • cv::fitLine 函数用于对点集进行直线拟合。它返回一个包含直线参数的 Vec4f 向量:
      • line[0]line[1] 是直线的方向向量 (vx, vy)
      • line[2]line[3] 是直线上的一个点 (x0, y0)
  3. 计算最远的两个点:

    • 对于每个点,计算其在拟合直线上的投影长度 t。投影长度 t 计算方式是点到直线上某一点的向量与方向向量的点积。
    • 通过比较 t 值,找到投影最小的点 minPoint 和投影最大的点 maxPoint。这两个点就是距离最远的点。
  4. 绘制直线与最远的点:

    • 使用 line 函数在图像上绘制拟合的直线(连接 minPointmaxPoint)。
    • 使用 circle 函数标记最远的两个点。
  5. 显示结果:

    • 使用 imshow 函数显示结果图像,其中红色点表示原始点集,绿色直线是拟合的直线,蓝色点是距离最远的两个点。
相关推荐
AI完全体9 分钟前
【AI知识点】偏差-方差权衡(Bias-Variance Tradeoff)
人工智能·深度学习·神经网络·机器学习·过拟合·模型复杂度·偏差-方差
GZ_TOGOGO21 分钟前
【2024最新】华为HCIE认证考试流程
大数据·人工智能·网络协议·网络安全·华为
sp_fyf_202421 分钟前
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-10-02
人工智能·神经网络·算法·计算机视觉·语言模型·自然语言处理·数据挖掘
新缸中之脑23 分钟前
Ollama 运行视觉语言模型LLaVA
人工智能·语言模型·自然语言处理
rjszcb33 分钟前
一文说完c++全部基础知识,IO流(二)
c++
胡耀超1 小时前
知识图谱入门——3:工具分类与对比(知识建模工具:Protégé、 知识抽取工具:DeepDive、知识存储工具:Neo4j)
人工智能·知识图谱
陈苏同学1 小时前
4. 将pycharm本地项目同步到(Linux)服务器上——深度学习·科研实践·从0到1
linux·服务器·ide·人工智能·python·深度学习·pycharm
小字节,大梦想1 小时前
【C++】二叉搜索树
数据结构·c++
吾名招财1 小时前
yolov5-7.0模型DNN加载函数及参数详解(重要)
c++·人工智能·yolo·dnn
我是哈哈hh2 小时前
专题十_穷举vs暴搜vs深搜vs回溯vs剪枝_二叉树的深度优先搜索_算法专题详细总结
服务器·数据结构·c++·算法·机器学习·深度优先·剪枝