OpenCV直线拟合检测
霍夫直线检测容易受到线段形状与噪声的干扰而失真，这个时候我们需要另辟蹊径，通过对图像进行二值分析，提取骨架，对骨架像素点拟合生成直线，这种做法在一些场景下非常有效，而且效果很好，在各个论坛以及QQ群中经常有人问OpenCV中如何通过一些点来拟合直线，其实OpenCV中都有现成的函数可以使用。在介绍具体的编码之前，首先介绍一下相关知识点：
一：相关知识点
1. 距离变换
距离变换是二值图像处理与操作中常用手段，在骨架提取，图像窄化中常有应用。距离变换的结果是得到一张与输入图像类似的灰度图像，但是灰度值只出现在前景区域。并且越远离背景边缘的像素灰度值越大。OpenCV中距离变换的函数如下：
-
distanceTransform(src, distanceType, maskSize, dst=None, dstType=None):
-
- src 表示输入的二值图像
-
- distanceType，常见的有DIST_L1、DIST_L2、DIST_C三种方式
-
- maskSize，支持3x3、5x5、DIST_MASK_PRECISE
-
- dst输出距离变换图像
-
- dstType 数据类型、默认是CV_32F
DIST_L1、DIST_L2、DIST_C计算像素距离方式如下：
其中当选择DIST_L2与DIST_MASK_PRECISE时候，OpenCV会使用TBB并行计算加速，DIST_L1与DIST_C是比较精确的距离计算方式、DIST_L2是比较快而粗糙的距离计算方式。下图是基于DIST_L2计算得到结果：
2. 水平与垂直投影
关于这个OpenCV中我没有发现直接可以使用的相关API，所以我自己写了点代码，二值图像的水平或者垂直投影可以用于粘连字符分割、对象分离，发现局部极大值像素等处理，是非常重要的二值图像分析与处理手段。假设有二值图像与其像素分布如下：
其水平与垂直投影则分别如下：
二：案例分析
对上面这样一张图像，需要对其提取水平与垂直的两条直线，完整的代码实现分为如下几步：1.对二值图像实现距离变换
-
h, w, ch = frame.shape
-
# 二值化图像
-
print("start to detect lines...\n")
-
gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
-
ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
-
cv.imshow("binary image", binary)
-
cv.imwrite("D:/binary.png", binary)
-
-
dist = cv.distanceTransform(binary, cv.DIST_L1, cv.DIST_MASK_PRECISE)
2.水平与垂直投影提取骨架
-
result = np.zeros((h, w), dtype=np.uint8)
-
ypts = []
-
for row in range(h):
-
cx = 0
-
cy = 0
-
max_d = 0
-
for col in range(w):
-
d = dist[row][col]
-
if d > max_d:
-
max_d = d
-
cx = col
-
cy = row
-
result[cy][cx] = 255
-
ypts.append([cx, cy])
-
-
xpts = []
-
for col in range(w):
-
cx = 0
-
cy = 0
-
max_d = 0
-
for row in range(h):
-
d = dist[row][col]
-
if d > max_d:
-
max_d = d
-
cx = col
-
cy = row
-
result[cy][cx] = 255
-
xpts.append([cx, cy])
-
-
cv.imshow("lines", result)
-
cv.imwrite("D:/skeleton.png", result)
3.根据骨架像素点拟合直线
-
frame = self.line_fitness(ypts, image=frame)
-
frame = self.line_fitness(xpts, image=frame, color=(255, 0, 0))
-
-
cv.imshow("fit-lines", frame)
-
cv.imwrite("D:/fitlines.png", frame)
每步执行之后的输出分别如下：
距离变换结果
骨架提取结果
拟合直线结果
