OpenCV特征检测(1)检测图像中的线段的类LineSegmentDe()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

检测图像中线段的类.。

遵循在 285中描述的算法。

函数原型1

绘制两组线,一组用蓝色,一组用红色,并计算非重叠(不匹配)的像素。

cpp 复制代码
virtual int cv::LineSegmentDetector::compareSegments
(
	const Size & 	size,
	InputArray 	lines1,
	InputArray 	lines2,
	InputOutputArray 	image = noArray() 
)		

参数1

  • 参数size:找到 lines1 和 lines2 的图像的大小。
  • 参数lines1:需要绘制的第一组线段。它们以蓝色显示。
  • 参数lines2:第二组线段。它们以红色显示。
  • 参数image:可选的图像,在该图像上绘制线段。图像应该是彩色的(3通道),以便 lines1 和 lines2 能够以上述颜色绘制。

函数原型2

在一个输入图像中查找线条

cpp 复制代码
virtual void cv::LineSegmentDetector::detect	
(
	InputArray 	image,
	OutputArray 	lines,
	OutputArray 	width = noArray(),
	OutputArray 	prec = noArray(),
	OutputArray 	nfa = noArray() 
)		

参数2

  • 参数image:一个灰度(CV_8UC1类型)输入图像。如果只需要选择一个感兴趣区域(ROI),可以使用:lsd_ptr->detect(image(roi), lines, ...); 并且需要更新 lines 向量,加上偏移量 lines += Scalar(roi.x, roi.y, roi.x, roi.y);

  • 参数ilines:由 Vec4f 类型元素组成的向量,指定了一条线段的起始点和终点。其中 Vec4f 的格式为 (x1, y1, x2, y2),点1为起点,点2为终点。返回的线段是严格根据梯度方向排列的。

  • 参数iwidth:一个向量,包含了发现线段所在区域的宽度。例如,线段的宽度。

  • 参数iprec:一个向量,包含了发现线段的精确度。

  • 参数infa:一个包含在线段区域内误报数量的向量,精确到10%。数值越大,对数意义上检测得越好。

    • -1 对应于平均有10个误报;
    • 0 对应于平均有1个误报;
    • 1 对应于平均有0.1个误报; 这个向量仅当对象类型设置为 LSD_REFINE_ADV 时才会计算。

函数原型3

在给定的图像上绘制线段

cpp 复制代码
virtual void cv::LineSegmentDetector::drawSegments	
(
	InputOutputArray 	image,
	InputArray 	lines 
)	

参数3

  • 参数image:这指的是线条将要在其上绘制的图像。该图像应该大于或等于找到线条的图像的尺寸。
  • 参数lines:这是一个需要绘制的线条的向量(集合)。

代码示例

cpp 复制代码
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/line_descriptor/descriptor.hpp>
#include <opencv2/ximgproc.hpp>
#include <iostream>

int main(int argc, char** argv)
{
    // 加载图像
    cv::Mat img = cv::imread("/media/dingxin/data/study/OpenCV/sources/images/building.png",cv::IMREAD_GRAYSCALE);
    if (img.empty())
    {
        std::cout << "Error loading image." << std::endl;
        return -1;
    }
 // 创建用于绘制线段的新图像
    cv::Mat lsd_img = img.clone();

    // 创建 LineSegmentDetector
    cv::Ptr<cv::LineSegmentDetector> lsd = cv::createLineSegmentDetector();

    // 检测线段
    std::vector<cv::Vec4i> lineSegments;
    lsd->detect(img, lineSegments);

    // 遍历并绘制每个线段
    for (const auto& ls : lineSegments)
    {
        cv::Point pt1(ls[0], ls[1]);
        cv::Point pt2(ls[2], ls[3]);
        cv::line(lsd_img, pt1, pt2, cv::Scalar(0, 255, 0), 2); // 绘制绿色线条
    }

    // 显示结果图像
    cv::imshow("original image", img);
    cv::imshow("Line Segments", lsd_img);
    cv::waitKey(0);

    return 0;
}

运行结果

原始图:

画线段图:

相关推荐
Watermelo61725 分钟前
通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制
人工智能·深度学习·神经网络·mongodb·机器学习·自然语言处理·数据挖掘
AI算法-图哥37 分钟前
pytorch量化训练
人工智能·pytorch·深度学习·文生图·模型压缩·量化
大山同学39 分钟前
DPGO:异步和并行分布式位姿图优化 2020 RA-L best paper
人工智能·分布式·语言模型·去中心化·slam·感知定位
机器学习之心40 分钟前
时序预测 | 改进图卷积+informer时间序列预测,pytorch架构
人工智能·pytorch·python·时间序列预测·informer·改进图卷积
天飓1 小时前
基于OpenCV的自制Python访客识别程序
人工智能·python·opencv
檀越剑指大厂1 小时前
开源AI大模型工作流神器Flowise本地部署与远程访问
人工智能·开源
声网1 小时前
「人眼视觉不再是视频消费的唯一形式」丨智能编解码和 AI 视频生成专场回顾@RTE2024
人工智能·音视频
newxtc1 小时前
【AiPPT-注册/登录安全分析报告-无验证方式导致安全隐患】
人工智能·安全·ai写作·极验·行为验证
技术仔QAQ2 小时前
【tokenization分词】WordPiece, Byte-Pair Encoding(BPE), Byte-level BPE(BBPE)的原理和代码
人工智能·python·gpt·语言模型·自然语言处理·开源·nlp
陌上阳光2 小时前
动手学深度学习70 BERT微调
人工智能·深度学习·bert