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
|
1
2
|
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
|
1
2
|
namedWindow("【效果图】", 1);createTrackbar("值", "【效果图】", &g_nthreshold, 200, on_HoughLines); |
（3）图像处理及显示
|
1
2
3
4
5
6
7
8
9
10
|
//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()
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
//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<Vec4i> 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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
|
#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;//原始图、中间图和效果图 vector<Vec4i> 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<Vec4i> 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服务器之家。
原文链接：https://blog.csdn.net/myclass1312/article/details/80456584
