这篇文章主要为大家详细介绍了Opencv Hough算法实现图片中直线检测，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
本文实例为大家分享了Opencv Hough算法实现直线检测的具体代码，供大家参考，具体内容如下
（1）载入需检测的图及显示原图
Mat g_srcImage = imread("C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg-600"); //图片所放路径 imshow("【原始图】", g_srcImage);
（2）为显示不同的效果图而设置滑动条
namedWindow("【效果图】", 1); createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughLines);
（3）图像处理及显示
//进行边缘检测和转化为灰度图 Canny(g_srcImage, g_midImage, 50, 200, 3);//进行一次canny边缘检测 cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图 //调用一次回调函数，调用一次HoughLinesP函数 on_HoughLines(g_nthreshold, 0); HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10); //显示效果图 imshow("【效果图】", g_dstImage); waitKey(0); return 0;
（4）主要函数：on_HoughLines()
//定义局部变量储存全局变量 Mat dstImage = g_dstImage.clone(); Mat midImage = g_midImage.clone(); //调用HoughLinesP函数 vector mylines; HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10); //循环遍历绘制每一条线段 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); } //显示图像 imshow("【效果图】", dstImage);
（5）源代码：
#include #include #include using namespace std; using namespace cv; Mat g_srcImage, g_dstImage, g_midImage;//原始图、中间图和效果图 vector g_lines;//定义一个矢量结构g_li<a style="color:transparent">来源gao*daima.com搞@代#码网</a>nes用于存放得到的线段矢量集合 //变量接收的TrackBar位置参数 int g_nthreshold = 100; static void on_HoughLines(int, void*);//回调函数 static void ShowHelpText(); int main() { //改变console字体颜色 system("color 3F"); ShowHelpText(); //载入原始图和Mat变量定义 Mat g_srcImage = imread("C:\\Users\\lenovo\\Pictures\\Saved Pictures\\Q.jpg-600"); //显示原始图 imshow("【原始图】", g_srcImage); //创建滚动条 namedWindow("【效果图】", 1); createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughLines); //进行边缘检测和转化为灰度图 Canny(g_srcImage, g_midImage, 50, 200, 3);//进行一次canny边缘检测 cvtColor(g_midImage, g_dstImage, CV_GRAY2BGR);//转化边缘检测后的图为灰度图 //调用一次回调函数，调用一次HoughLinesP函数 on_HoughLines(g_nthreshold, 0); HoughLinesP(g_midImage, g_lines, 1, CV_PI / 180, 80, 50, 10); //显示效果图 imshow("【效果图】", g_dstImage); waitKey(0); return 0; } static void on_HoughLines(int, void*) { //定义局部变量储存全局变量 Mat dstImage = g_dstImage.clone(); Mat midImage = g_midImage.clone(); //调用HoughLinesP函数 vector mylines; HoughLinesP(midImage, mylines, 1, CV_PI / 180, g_nthreshold + 1, 50, 10); //循环遍历绘制每一条线段 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); } //显示图像 imshow("【效果图】", dstImage); } static void ShowHelpText() { //输出一些帮助信息 printf("\n\n\n\t通过调整滚动条观察图像的不同效果~\n\n"); printf("\n\n\t\t\t by浅墨"); }
（6）原图：
效果图（调节滑条显示不同结果图）：
值为100时：
值为23时：
值为60时：
值为126时：
值为184时：
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gaodaima搞代码网。
以上就是Opencv Hough算法实现图片中直线检测的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：Opencv Hough算法实现图片中直线检测
转载请注明原文链接：Opencv Hough算法实现图片中直线检测
