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。
专注于为中小企业提供网站设计、成都做网站服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业治多免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了上千企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。
（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 vectormylines; 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，欢迎关注创新互联行业资讯频道。
