图像直线分析和拟合工具——opencv
之前见过别人利用halcon封装了一个不错的函数叫drawRake好像是这个名字。这个工具挺好用的，可以在图像上随意画一条直线，然后设置一些参数，他就能在你画的这条线附近寻找你想要的直线， 然而其不是开源的，halcon也是收费的。于是我就心血来潮想自己做一个类似的工具，花了一天搞出来了，经过测试，效果还是杠杠的。下面介绍给大家，并会提供该工具函数的源码。
图像处理过程中我们有时候要对摄像头采集的图像进行直线分析，如果利用opencv分析的话，我们常常要自己建个工程，然后利用一些检测直线的算法，比如霍夫变换等，然而这样比较耗时。这个工具就可以即时的对图像直线进行分析。接下来给出这个工具函数的原型。名字我也取为drawRake。如下：
-
std::vector<cv::Point2d> drawRake( cv::Mat &f,
-
cv::Point2d pStart,
-
cv::Point2d pEnd,
-
int gap,
-
int searchLength,
-
int threshValue,
-
bool isJudgeByGreatThan = false);
参数解析：
cv::Mat &f：图像数据，须为3通道或者单通道图像。
cv::Point2d pStart：指定直线的起点（这个是我们指定的，直线的起点和终点将被指定为搜索区域，我下面做的这个软件使用鼠标画线来指定直线）。
cv::Point2d pEnd：指定直线的终点。
int gap：搜索间隙（指定直线的细分步长）。
int searchLength：搜索长度，搜索范围。
int threshValue：搜索阈值。
bool isJudgeByGreatThan：目标点是否判决于大于阈值
返回值：std::vector<cv::Point2d>：一些列目标点集，用于直线拟合。
------------------------------------------------------------------------------------------
可能不大好理解这几个参数的定义，先来看看下面几个直观的图像吧！如下图：是摄像头实时采集的一帧图像数据，然后我们现在要分析下图黑色箭头所示的直线。
我们只需要在图像上的该直线附近画一条差不多直线，这条画上去的直线就是上面的输入参数的cv::Point2d pStart，cv::Point2d pEnd。效果如下图所示，因为是相机的实时帧，所以他会实时分析该直线，可以调节gap，searchLength，threshValue，isJudgeByGreatThan来分析最适合的直线。
如上图，我们看到一堆的小箭头，那个就是点集的搜索方向。现在看到的那一堆箭头比较密集是由于gap值比较小的原因。如果我们把gap变大，就会看到这一群箭头变得稀疏了，如下图所示：
我们看到箭头变稀疏了，因为gap增大了，我们还可以改变箭头的长度，他的意义就是输入参数searchLength，即搜索范围，他会从箭尾搜索到箭头，知道索引到符合的点，我们可以增大searchLength，就可以增加搜索范围，相应的箭头也会变长，如下图：
我们再分析一下别的直线，也很容易的找到该直线如下所示：
我们再来分析一下输入参数isJudgeByGreatThan，如果是FALSE的话就是从亮到暗（阈值是下限）搜索，如上图，如果设置成TRUE的话，就是从暗到亮搜索（阈值是上限），比如我们来分析一下纸箱盖子的直线，如下图。
好了，差不多直观的了解完了，接下来就是上代码。
------------------------------------------------------------------------------------------
下面是drawRake函数源码：
std::vector<cv::Point2d> drawRake(cv::Mat &f, cv::Point2d pStart, cv::Point2d pEnd, int gap, int searchLength, int threshValue, bool isJudgeByGreatThan){ // 初始化内存 std::vector<cv::Point2d> pVec; pVec.clear(); // rake点集 double k = 0., b = 0., xConst = 0.; // 直线方程参数 int lineLength = 0; // 直线长度 double lineAngle = 0.; // 直线角度 double opposite = 1.0; // 直线的方向是否相反 是：为-1.0，否：1.0 int imageChs = f.channels(); // 图像通道数，支持3通道和单通道图像 cv::Mat singleChImage; // 单通道图像 // 有效性判断 if (f.empty()) return pVec; if (pStart == pEnd) return pVec; // 获取单通道图像 if (imageChs == 1){ //f.copyTo(singleChImage); singleChImage = f; }else if (imageChs == 3){ cv::cvtColor(f, singleChImage, CV_BGR2GRAY);// 默认的单通道是灰度空间 } // 获取直线方向性 if (pEnd.x < pStart.x) opposite = -1.0; // 获取直线方程 y = k * x + b, y = b, x = const value. if ((pEnd.x - pStart.x) == 0.){ xConst = pStart.x; // x = const value. lineAngle = 90.; if (pEnd.y < pStart.y) opposite = -1.0; // 只有这种情况直线方向性考虑Y }else{ k = (pEnd.y - pStart.y) / (pEnd.x - pStart.x); b = pStart.y - k * pStart.x; lineAngle = atan(k) * 180. / CV_PI; } lineLength = sqrt(pow((pEnd.x - pStart.x), 2.) + pow((pEnd.y - pStart.y), 2.)); // 细分直线，细分步长位gap,获取每一个细分点的坐标 std::vector<cv::Point2d> gapPVec; gapPVec.clear(); double Xgap, Ygap; for (int g = 0; g <= lineLength; g += gap){ Xgap = pStart.x + (opposite * g * cos(lineAngle * CV_PI / 180.)); Ygap = (pEnd.x == pStart.x) ? (pStart.y + opposite * g) : (k * Xgap + b); gapPVec.push_back(cv::Point2d(Xgap, Ygap)); } // 找每个细分点的直线段，直线段长度就是搜索长度范围，由searchLength指定,这边计算出来的lineAngle属于(-90 ~ 90度) double halfSearchLength = searchLength / 2.; double xLower, xUpper, yLower, yUpper; // 细分点的直线段在X-Y轴投影的横坐标上限和下限 double Knew = 0., Bnew = 0., XnewConst = 0.; // 细分点的直线段的k和b 和x = const直线 bool newLineIsVecticalLine = false; // 默认是一般直线，非竖线 std::vector<cv::Point> lineArrowVec[2]; // 存取用于画结果的直线标 if (k == 0.){ newLineIsVecticalLine = true; }else{ if ((pEnd.x == pStart.x)) Knew = 0.; else Knew = -1. / k; } for (int i = 0; i < gapPVec.size(); i++){ if (abs(lineAngle) < 45.){ // 小于45度的情况 if (newLineIsVecticalLine){ // x = const XnewConst = gapPVec[i].x; yLower = gapPVec[i].y - halfSearchLength; yUpper = gapPVec[i].y + halfSearchLength; } else{ // b = y - k * x Bnew = gapPVec[i].y - Knew * gapPVec[i].x; yLower = gapPVec[i].y - halfSearchLength * cos(abs(lineAngle * CV_PI / 180.)); yUpper = gapPVec[i].y + halfSearchLength * cos(abs(lineAngle * CV_PI / 180.)); } // 上边到下边的直线递增查询，下边到上边的直线递减查询 for (int yy = yLower; yy <= yUpper; yy++){ int xCur = 0, yCur = 0; if (pStart.x > pEnd.x) yCur = yUpper - yy + yLower; else yCur = yy; xCur = (newLineIsVecticalLine) ? (XnewConst) : (yCur - Bnew) / Knew; if (xCur > singleChImage.cols || xCur < 0 || yCur > singleChImage.rows || yCur < 0) continue; unsigned char *pdata = singleChImage.ptr<unsigned char>(yCur); if (isJudgeByGreatThan){ if (pdata[xCur] > threshValue){ pVec.push_back(cv::Point(xCur, yCur)); break; } } else{ if (pdata[xCur] < threshValue){ pVec.push_back(cv::Point(xCur, yCur)); break; } } } double F_yLower, F_yUpper; if (newLineIsVecticalLine){ F_yLower = XnewConst; F_yUpper = XnewConst; }else{ F_yLower = (yLower - Bnew) / Knew; F_yUpper = (yUpper - Bnew) / Knew; } if (pStart.x < pEnd.x){ lineArrowVec[0].push_back(cv::Point(F_yLower, yLower)); lineArrowVec[1].push_back(cv::Point(F_yUpper, yUpper)); } else{ lineArrowVec[1].push_back(cv::Point(F_yLower, yLower)); lineArrowVec[0].push_back(cv::Point(F_yUpper, yUpper)); } }else{ // 大于45度的情况 Bnew = gapPVec[i].y - Knew * gapPVec[i].x; xLower = gapPVec[i].x - halfSearchLength * sin(abs(lineAngle * CV_PI / 180.)); xUpper = gapPVec[i].x + halfSearchLength * sin(abs(lineAngle * CV_PI / 180.)); // 左边到右边的直线递增查询，右边到左边的直线递减查询 for (int xx = xLower; xx <= xUpper; xx++){ int xCur = 0, yCur = 0; if (pStart.y > pEnd.y) xCur = xUpper - xx + xLower; else xCur = xx; yCur = Knew * xCur + Bnew; if (xCur > singleChImage.cols || xCur < 0 || yCur > singleChImage.rows || yCur < 0) continue; unsigned char *pdata = singleChImage.ptr<unsigned char>(yCur); if (isJudgeByGreatThan){ if (pdata[xCur] > threshValue){ pVec.push_back(cv::Point(xCur, yCur)); break; } }else{ if (pdata[xCur] < threshValue){ pVec.push_back(cv::Point(xCur, yCur)); break; } } } double F_xLower = Knew * xLower + Bnew; double F_xUpper = Knew * xUpper + Bnew; if (pStart.y > pEnd.y){ lineArrowVec[0].push_back(cv::Point(xUpper, F_xUpper)); lineArrowVec[1].push_back(cv::Point(xLower, F_xLower)); }else{ lineArrowVec[1].push_back(cv::Point(xUpper, F_xUpper)); lineArrowVec[0].push_back(cv::Point(xLower, F_xLower)); } } }// end 'for (int i = 0; i < gapPVec.size(); i++)' // 画rake点，和搜索方向 for (int i = 0; i < pVec.size(); i++){ if (imageChs == 1){ cv::circle(f, pVec[i], 3, cv::Scalar(std::rand() % 255), 3); drawArrow(f, lineArrowVec[0][i], lineArrowVec[1][i], 25, 30, cv::Scalar(std::rand() % 255), 1); } if (imageChs == 3){ cv::circle(f, pVec[i], 3, cv::Scalar(std::rand() % 255, std::rand() % 255, std::rand() % 255), 3); drawArrow(f, lineArrowVec[0][i], lineArrowVec[1][i], 25, 30, cv::Scalar(std::rand() % 255, std::rand() % 255, std::rand() % 255), 1); } } // 画所有的细分点的搜索方向 for (int i = 0; i < gapPVec.size(); i++){ if (imageChs == 1){ drawArrow(f, lineArrowVec[0][i], lineArrowVec[1][i], 25, 30, cv::Scalar(std::rand() % 255), 1); } if (imageChs == 3){ drawArrow(f, lineArrowVec[0][i], lineArrowVec[1][i], 25, 30, cv::Scalar(std::rand() % 255, std::rand() % 255, std::rand() % 255), 1); } } return pVec; }
其中有一个drawArrow函数是用来画箭头的，摘自这里，源码如下：
void drawArrow(cv::Mat& img, cv::Point pStart, cv::Point pEnd, int len, int alpha,cv::Scalar& color, int thickness, int lineType){ cv::Point arrow; // 计算 θ 角（最简单的一种情况在下面图示中已经展示，关键在于 atan2 函数，详情见下面） double angle = atan2((double)(pStart.y - pEnd.y), (double)(pStart.x - pEnd.x)); cv::line(img, pStart, pEnd, color, thickness, lineType); // 计算箭角边的另一端的端点位置（上面的还是下面的要看箭头的指向，也就是pStart和pEnd的位置） arrow.x = pEnd.x + len * cos(angle + CV_PI * alpha / 180.); arrow.y = pEnd.y + len * sin(angle + CV_PI * alpha / 180.); cv::line(img, pEnd, arrow, color, thickness, lineType); arrow.x = pEnd.x + len * cos(angle - CV_PI * alpha / 180.); arrow.y = pEnd.y + len * sin(angle - CV_PI * alpha / 180.); cv::line(img, pEnd, arrow, color, thickness, lineType); }
本文转自：https://blog.csdn.net/KayChanGEEK/article/details/77247884?utm_source=app
