使用Opencv Hough算法怎么實現圖片中直線檢測

這期內容當中小編將會給大家帶來有關使用Opencv Hough算法怎么實現圖片中直線檢測，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

（1）載入需檢測的圖及顯示原圖

Mat g_srcImage = imread("C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg"); //圖片所放路徑  
imshow("【原始圖】", g_srcImage);

（2）為顯示不同的效果圖而設置滑動條

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

（3）圖像處理及顯示

//進行邊緣檢測和轉化為灰度圖 
 Canny(g_srcImage, g_midImage, 50, 200, 3);//進行一次canny邊緣檢測 
 cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR);//轉化邊緣檢測后的圖為灰度圖 
 //調用一次回調函數，調用一次HoughLinesP函數 
 on_HoughLines(g_nthreshold, 0);
 HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10);
 //顯示效果圖  
 imshow("【效果圖】", g_dstImage);
 waitKey(0);
 return 0;

（4）主要函數：on_HoughLines()

//定義局部變量儲存全局變量 
 Mat dstImage = g_dstImage.clone();
 Mat midImage = g_midImage.clone();
 //調用HoughLinesP函數 
 vector<Vec4i> mylines;
 HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10);
 //循環遍歷繪制每一條線段 
 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);
 }
 //顯示圖像 
 imshow("【效果圖】", dstImage);

（5）源代碼：

#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;//原始圖、中間圖和效果圖 
vector<Vec4i> g_lines;//定義一個矢量結構g_lines用于存放得到的線段矢量集合 
//變量接收的TrackBar位置參數 
int g_nthreshold = 100;
 
static void on_HoughLines(int, void*);//回調函數 
static void ShowHelpText();
 
int main()
{
 //改變console字體顏色 
 system("color 3F");
 ShowHelpText();
 //載入原始圖和Mat變量定義   
 Mat g_srcImage = imread("C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg"); 
 //顯示原始圖  
 imshow("【原始圖】", g_srcImage);
 //創建滾動條 
 namedWindow("【效果圖】", 1);
 createTrackbar("值", "【效果圖】", &g_nthreshold, 200, on_HoughLines);
 //進行邊緣檢測和轉化為灰度圖 
 Canny(g_srcImage, g_midImage, 50, 200, 3);//進行一次canny邊緣檢測 
 cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR);//轉化邊緣檢測后的圖為灰度圖 
 //調用一次回調函數，調用一次HoughLinesP函數 
 on_HoughLines(g_nthreshold, 0);
 HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10);
 //顯示效果圖  
 imshow("【效果圖】", g_dstImage);
 waitKey(0);
 return 0;
}
static void on_HoughLines(int, void*)
{
 //定義局部變量儲存全局變量 
 Mat dstImage = g_dstImage.clone();
 Mat midImage = g_midImage.clone();
 //調用HoughLinesP函數 
 vector<Vec4i> mylines;
 HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10);
 //循環遍歷繪制每一條線段 
 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);
 }
 //顯示圖像 
 imshow("【效果圖】", dstImage);
}
static void ShowHelpText()
{
 //輸出一些幫助信息 
 printf("\n\n\n\t通過調整滾動條觀察圖像的不同效果~\n\n");
 printf("\n\n\t\t\t by淺墨");
}

上述就是小編為大家分享的使用Opencv Hough算法怎么實現圖片中直線檢測了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。