C++ OpenCV测线

我正在尝试查找此图像中居中框的边缘：

我尝试过使用一个HoughLines，使用dRho=img_width/1000、dTheta=pi/180和threshold=250 它在这张图片上效果很好，缩放到大小的1/3，但在全尺寸图片上，它只是在每个方向上到处都有线条

---

我可以做些什么来调整它以使其更准确？

尝试使用腐蚀过滤器的预处理过程。它会给你和缩小尺寸一样的效果——线条会变细，不会同时消失

正如chaiy所说，“模糊”过滤器也是一个好主意

---

这种方式（使用模糊）将类似于（基于内核的Hough变换）

调整图像大小时，通常首先使用过滤器（例如高斯）对图像进行模糊，以去除高频。调整大小后的图像效果更好，这可能是因为您的原始图像有一定的噪声

---

首先尝试模糊图像，例如使用

cv:：GaussianBlur（src，target，Size（0,0），1.5）

，然后它应该相当于调整大小。（它忘记了理论，如果它不起作用，请尝试3和6）

实现以下结果的代码是对此答案中给出的代码的轻微修改：

原始程序可以在OpenCV中找到，它被称为squares.cpp。下面的代码被修改为只在第一个颜色平面中搜索方块，但由于它仍然检测到许多方块，在程序结束时，我放弃了除第一个方块以外的所有方块，然后调用

draw_squares（）

，以显示检测到的方块。您可以很容易地更改此选项，以绘制所有对象并查看检测到的所有对象

您可以从现在开始自己做各种事情，包括设置（ROI）感兴趣区域以提取正方形内部的区域（忽略周围的所有其他内容）

您可以看到，检测到的矩形与图像中的线条没有完全对齐。您应该在图像中执行一些预处理（腐蚀？）操作，以减少线条的厚度并提高检测效果。但从现在起，一切都取决于你：

#include <cv.h>
#include <highgui.h>

using namespace cv;

double angle( cv::Point pt1, cv::Point pt2, cv::Point pt0 ) {
    double dx1 = pt1.x - pt0.x;
    double dy1 = pt1.y - pt0.y;
    double dx2 = pt2.x - pt0.x;
    double dy2 = pt2.y - pt0.y;
    return (dx1*dx2 + dy1*dy2)/sqrt((dx1*dx1 + dy1*dy1)*(dx2*dx2 + dy2*dy2) + 1e-10);
}

void find_squares(Mat& image, vector<vector<Point> >& squares)
{
    // TODO: pre-processing

    // blur will enhance edge detection
    Mat blurred(image);
    medianBlur(image, blurred, 9);

    Mat gray0(blurred.size(), CV_8U), gray;
    vector<vector<Point> > contours;

    // find squares in the first color plane.
    for (int c = 0; c < 1; c++)
    {
        int ch[] = {c, 0};
        mixChannels(&blurred, 1, &gray0, 1, ch, 1);

        // try several threshold levels
        const int threshold_level = 2;
        for (int l = 0; l < threshold_level; l++)
        {
            // Use Canny instead of zero threshold level!
            // Canny helps to catch squares with gradient shading
            if (l == 0)
            {
                Canny(gray0, gray, 10, 20, 3); // 

                // Dilate helps to remove potential holes between edge segments
                dilate(gray, gray, Mat(), Point(-1,-1));
            }
            else
            {
                    gray = gray0 >= (l+1) * 255 / threshold_level;
            }

            // Find contours and store them in a list
            findContours(gray, contours, CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);

            // Test contours
            vector<Point> approx;
            for (size_t i = 0; i < contours.size(); i++)
            {
                    // approximate contour with accuracy proportional
                    // to the contour perimeter
                    approxPolyDP(Mat(contours[i]), approx, arcLength(Mat(contours[i]), true)*0.02, true);

                    // Note: absolute value of an area is used because
                    // area may be positive or negative - in accordance with the
                    // contour orientation
                    if (approx.size() == 4 &&
                            fabs(contourArea(Mat(approx))) > 1000 &&
                            isContourConvex(Mat(approx)))
                    {
                            double maxCosine = 0;

                            for (int j = 2; j < 5; j++)
                            {
                                    double cosine = fabs(angle(approx[j%4], approx[j-2], approx[j-1]));
                                    maxCosine = MAX(maxCosine, cosine);
                            }

                            if (maxCosine < 0.3)
                                    squares.push_back(approx);
                    }
            }
        }
    }
}

void draw_squares(Mat& img, vector<vector<Point> > squares)
{
    for (int i = 0; i < squares.size(); i++)
    {
        for (int j = 0; j < squares[i].size(); j++)
        {
            cv::line(img, squares[i][j], squares[i][(j+1) % 4], cv::Scalar(0, 255, 0), 1, CV_AA);
        }
    }
}


int main(int argc, char* argv[])
{
    Mat img = imread(argv[1]);

    vector<vector<Point> > squares;
    find_squares(img, squares);

    std::cout << "* " << squares.size() << " squares were found." << std::endl;

    // Ignore all the detected squares and draw just the first found
    vector<vector<Point> > tmp;
    if (squares.size() > 0)
    {
        tmp.push_back(squares[0]);
        draw_squares(img, tmp);
    }
    //imshow("squares", img);
    //cvWaitKey(0);

    imwrite("out.png", img);

    return 0;
}

#包括
#包括
使用名称空间cv；
双角度（cv:：点pt1、cv:：点pt2、cv:：点pt0）{
双dx1=pt1.x-pt0.x；
双dy1=pt1.y-pt0.y；
双dx2=pt2.x-pt0.x；
双dy2=pt2.y-pt0.y；
返回（dx1*dx2+dy1*dy2）/sqrt（dx1*dx1+dy1*dy1）*（dx2*dx2+dy2*dy2）+1e-10）；
}
无效查找方格（材质和图像、向量和方格）
{
//TODO:预处理
//模糊将增强边缘检测
Mat模糊（图像）；
中间模糊（图像，模糊，9）；
Mat灰色0（模糊的大小（），CV_8U），灰色；
矢量等值线；
//在第一个颜色平面中查找正方形。
对于（int c=0；c<1；c++）
{
int ch[]={c，0}；
混音通道（&模糊，1，&灰色，0，1，通道，1）；
//尝试几个阈值级别
const int threshold_level=2；
对于（int l=0；l=（l+1）*255/阈值\u级；
}
//找到等高线并将其存储在列表中
findContours（灰色、等高线、等高线列表、等高线链近似简单）；
//测试轮廓
向量近似；
对于（size_t i=0；i1000&&
isContourConvex（材料（近似）））
{
双最大余弦=0；
对于（int j=2；j<5；j++）
{
双余弦=fabs（角度（约[j%4]，约[j-2]，约[j-1]）；
最大余弦=最大值（最大余弦，余弦）；
}
如果（最大余弦<0.3）
正方形。推回（大约）；
}
}
}
}
}
空绘方格（矩阵和图像、矢量方格）
{
对于（int i=0；istd：：你能告诉我如何获取我们确定的正方形的长度吗？问问你自己正方形的长度是多少，然后注意到一个正方形被定义为一组4个点（坐标）。上面的代码给出了点，但是显示其长度的计算由你自己来写。