Opencv Hough算法实现图片中直线检测

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"); //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<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：

#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我们。