OpenCV实现直线检测并消除

2024-10-01 16:55:06

本文实例为大家分享了OpenCV实现直线检测并消除的具体代码，供大家参考，具体内容如下

很简单，代码如下

#include<iostream>
#include<opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
 Mat img, dst, img_gary, img_bin, temp, r_line, c_line, kernel;
 char INPUT[] = "input";
 char OUTPUT[] = "output";
 char GRAY_IMG[] = "gary image";
 char BIN_IMG[] = "binary image";
 char DST_IMG[] = "final image";

 img = imread("D:\\OpenCV\\images\\demo_test_2.jpg");
 if (img.empty())
 {
  cout << "image loading failed..." << endl;
  return -1;
 }
 namedWindow(INPUT, WINDOW_AUTOSIZE);
 imshow(INPUT, img);

 cvtColor(img, img_gary, COLOR_BGR2GRAY);
 imshow(GRAY_IMG, img_gary);

 adaptiveThreshold(~img_gary, img_bin, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, -2);
 imshow(BIN_IMG, img_bin);

 //水平结构元素
 r_line = getStructuringElement(MORPH_RECT, Size(img.cols / 16, 1), Point(-1, -1));
 //垂直结构元素
 c_line = getStructuringElement(MORPH_RECT, Size(1, img.rows / 16), Point(-1, -1));

 kernel = getStructuringElement(MORPH_RECT, Size(4, 4), Point(-1, -1));
 erode(img_bin, temp, kernel);
 dilate(temp, dst, kernel);

 //erode(img_bin, temp, r_line);
 //dilate(temp, dst, r_line);
 //morphologyEx(img_bin, dst, MORPH_OPEN, c_line);

 bitwise_not(dst, dst);
 //blur(dst, dst, Size(3, 3), Point(-1, -1));
 imshow(DST_IMG, dst);

 waitKey(0);
 return 0;
}

放几张效果图

原图

处理结果

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。

使用OpenCV实现检测和追踪车辆

本文实例为大家分享了OpenCV实现检测和追踪车辆的具体代码,供大家参考,具体内容如下完整源码GitHub 使用高斯混合模型(BackgroundSubtractorMOG2)对背景建模,提取出前景使用中值滤波去掉椒盐噪声,再闭运算和开运算填充空洞使用cvBlob库追踪车辆,我稍微修改了cvBlob源码来通过编译由于要对背景建模,这个方法要求背景是静止的另外不同车辆白色区域不能连通,否则会认为是同一物体 void processVideo(char* videoFilename) {
opencv实现图形轮廓检测

要想实现轮廓检测,首先我们需要对待检测的图像进行图像处理: 图像灰度化.高斯滤波.Canny 边缘检测.边缘检测放大处理.提取轮廓. 一.实现简单的全图型检测即只要将drawContours第三个参数设置为-1 既能实现图像的全图型检测. 程序: #include <iostream> #include <opencv2/highgui.hpp> // 说是说gui 具体什么gui 不清楚 #include <opencv2/imgcodecs.hpp> // 图像头
OpenCV实现图像轮廓检测以及外接矩形

前两篇博文分别介绍了图像的边缘检测和轮廓检测,本文接着介绍图像的轮廓检测和轮廓外接矩形: 一.代码部分: // extract_contours.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include<cv.h> #include<highgui.h> using namespace cv; using namespace std; int _tmain(int argc, _TCHAR* argv[]) { /
10个步骤Opencv轻松检测出图片中条形码

本文为大家分享了Opencv轻松检测出图片中条形码的步骤,供大家参考,具体内容如下 1. 原图像大小调整,提高运算效率 2. 转化为灰度图 3. 高斯平滑滤波 4.求得水平和垂直方向灰度图像的梯度差,使用Sobel算子 5.均值滤波,消除高频噪声 6.二值化 7.闭运算,填充条形码间隙 8. 腐蚀,去除孤立的点 9. 膨胀,填充条形码间空隙,根据核的大小,有可能需要2~3次膨胀操作 10.通过findContours找到条形码区域的矩形边界实现: #include "core/core.hpp
OpenCV 边缘检测

边缘在人类视觉和计算机视觉中均起着重要的作用. 人类能够仅凭一张背景剪影或一个草图就识别出物体类型和姿态. 其中OpenCV提供了许多边缘检测滤波函数,这些滤波函数都会将非边缘区域转为黑色,将边缘区域转为白色或其他饱和的颜色. 不过这些滤波函数都很容易将噪声错误地识别为边缘,所以需要进行模糊处理. 本次的模糊操作使用高斯模糊(低通滤波器),最常用的模糊滤波器(平滑滤波器)之一,是一个削弱高频信号强度的低通滤波器. 低通滤波器,在像素与周围像素的亮度差值小于一个特定值时,平滑该像素的亮度,主要用于
基于opencv实现车道线检测

基于opencv的车道线检测,供大家参考,具体内容如下原理: 算法基本思想说明: 传统的车道线检测,多数是基于霍夫直线检测,其实这个里面有个很大的误区,霍夫直线拟合容易受到各种噪声干扰,直接运用有时候效果不好,更多的时候通过霍夫直线检测进行初步的筛选,然后再有针对性的进行直线拟合,根据拟合的直线四个点坐标,绘制出车道线,这种方式可以有效避免霍夫直线拟合不良后果,是一种更加稳定的车道线检测方法,在实际项目中,可以选择两种方法并行,在计算出结果后进行叠加或者对比提取,今天分享的案例主要是绕开了霍夫
OpenCV 轮廓检测的实现方法

轮廓概述轮廓可以简单认为成将连续的点(连着边界)连在一起的曲线,具有相同的颜色或者灰度.轮廓在形状分析和物体的检测和识别中很有用. 为了更加准确,要使用二值化图像.在寻找轮廓之前,要进行阈值化处理或者 Canny 边界检测. 查找轮廓的函数会修改原始图像.如果你在找到轮廓之后还想使用原始图像的话,你应该将原始图像存储到其他变量中. 在 OpenCV 中,查找轮廓就像在黑色背景中超白色物体,要找的物体应该是白色而背景应该是黑色. 轮廓检测的作用: 1.可以检测图图像或者视频中物体的轮廓 2.计算
OpenCV实现图像的直线检测

上一篇博文介绍了图像的Canny边缘检测,本文主要介绍图像的直线检测部分,主要使用概率霍夫变换来检测直线,调用的函数为HoughLinesP(),下面给出代码部分以及直线检测效果图: 1.代码部分: // Detect_Lines.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include <cv.h> #include "highgui.h" using namespace std; using names
OpenCV利用背景建模检测运动物体

本文实例为大家分享了OpenCV利用背景建模检测运动物体的具体代码,供大家参考,具体内容如下 #include <opencv\highgui.h> #include <stdio.h> int main( int argc, char** argv ){ IplImage* pFrame = NULL; IplImage* pFrImg = NULL; IplImage* pBkImg = NULL; CvMat* pFrameMat = NULL; CvMat* pFrMat
opencv车道线检测的实现方法

车道线检测,需要完成以下功能: 图像裁剪:通过设定图像ROI区域,拷贝图像获得裁剪图像反透视变换:用的是室外采集到的视频,没有对应的变换矩阵.所以建立二维坐标,通过四点映射的方法计算矩阵,进行反透视变化.后因ROI区域的设置易造成变换矩阵获取困难和插值得到的透视图效果不理想,故没应用二值化:先变化为灰度图,然后设定阈值直接变成二值化图像. 形态学滤波:对二值化图像进行腐蚀,去除噪点,然后对图像进行膨胀,弥补对车道线的腐蚀. 边缘检测:canny变化.sobel变化和laplacian变化中选

OpenCV实现直线检测并消除

相关推荐

随机推荐