使用OpencvHough算法怎么实现图片中直线检测-创新互联

这期内容当中小编将会给大家带来有关使用Opencv Hough算法怎么实现图片中直线检测，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

站在用户的角度思考问题，与客户深入沟通，找到简阳网站设计与简阳网站推广的解决方案，凭借多年的经验，让设计与互联网技术结合，创造个性化、用户体验好的作品，建站类型包括：网站设计制作、成都网站设计、企业官网、英文网站、手机端网站、网站推广、域名注册、网站空间、企业邮箱。业务覆盖简阳地区。

（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"); //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_lines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"); 
 //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");
}

上述就是小编为大家分享的使用Opencv Hough算法怎么实现图片中直线检测了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联网站建设公司行业资讯频道。

另外有需要云服务器可以了解下创新互联建站www.cdcxhl.com，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章名称：使用OpencvHough算法怎么实现图片中直线检测-创新互联
文章位置：http://6mz.cn/article/gjsjh.html