cv::LineSegmentDetector 類參考

線段檢測器類。 更多...

#include <opencv2/imgproc.hpp>

cv::LineSegmentDetector 的協作圖

公共成員函式
virtual	~LineSegmentDetector ()
virtual int	compareSegments (const Size &size, InputArray lines1, InputArray lines2, InputOutputArray image=noArray())=0
	用藍色和紅色繪製兩組線條，並計算非重疊（不匹配）的畫素。
virtual void	detect (InputArray image, OutputArray lines, OutputArray width=noArray(), OutputArray prec=noArray(), OutputArray nfa=noArray())=0
	在輸入影像中查詢線條。
virtual void	drawSegments (InputOutputArray image, InputArray lines)=0
	在給定影像上繪製線段。
從 cv::Algorithm 繼承的公共成員函式
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除演算法狀態。
virtual bool	empty () const
	如果 Algorithm 為空（例如，在剛開始時或在讀取失敗後）則返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	從檔案儲存中讀取演算法引數。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	將演算法引數儲存到檔案儲存中。
void	write (FileStorage &fs, const String &name) const

附加的繼承成員
從 cv::Algorithm 繼承的靜態公共成員函式
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	從檔案中載入演算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	從字串載入演算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	從檔案節點讀取演算法。
從 cv::Algorithm 繼承的保護成員函式
void	writeFormat (FileStorage &fs) const

詳細描述

線段檢測器類。

遵循 [112] 中描述的演算法。

注意

由於原始程式碼許可證衝突，已從 OpenCV 版本 3.4.6 到 3.4.15 以及 4.1.0 到 4.5.3 中移除實現。 在 Computation of a NFA 程式碼在 MIT 許可證下發布後再次恢復。

建構函式 & 解構函式文件

~LineSegmentDetector()

virtual cv::LineSegmentDetector::~LineSegmentDetector ( )

inlinevirtual

成員函式文件

compareSegments()

virtual int cv::LineSegmentDetector::compareSegments ( const Size & size, InputArray lines1, InputArray lines2, InputOutputArray image = noArray() )

純虛擬函式

Python
	cv.LineSegmentDetector.compareSegments(	size, lines1, lines2[, image]	) ->	返回值, image

用藍色和紅色繪製兩組線條，並計算非重疊（不匹配）的畫素。

引數

size	lines1 和 lines2 所在影像的大小。
lines1	需要繪製的第一組線條。 它以藍色視覺化。
lines2	第二組線條。 它們以紅色視覺化。
image	可選影像，線條將在其中繪製。 該影像應該是彩色（3 通道）的，以便 lines1 和 lines2 以上述顏色繪製。

此函式的呼叫圖如下

detect()

virtual void cv::LineSegmentDetector::detect ( InputArray image, OutputArray 輸出向量，包含與另一影像中點對應的對極線。每條線\(ax + by + c=0\)由3個數字\((a, b, c)\)編碼。, OutputArray width = noArray(), OutputArray prec = noArray(), OutputArray nfa = noArray() )

純虛擬函式

Python
	cv.LineSegmentDetector.detect(	image[, lines[, width[, prec[, nfa]]]]	) ->	lines, width, prec, nfa

在輸入影像中查詢線條。

這是上述影像上演算法預設引數的輸出。

image

引數

image	灰度 (CV_8UC1) 輸入影像。 如果只需要選擇一個 roi，請使用：lsd_ptr-\>detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
輸出向量，包含與另一影像中點對應的對極線。每條線\(ax + by + c=0\)由3個數字\((a, b, c)\)編碼。	Vec4f 元素的向量，指定線的起點和終點。 其中 Vec4f 為 (x1, y1, x2, y2)，點 1 為起點，點 2 為終點。 返回的線條嚴格按照梯度方向定向。
width	找到線條的區域的寬度向量。 例如，線條寬度。
prec	找到線條的精度向量。
nfa	包含線區域中誤報數量的向量，精度為 10%。 值越大，對數的檢測效果越好。 -1 對應於 10 個平均誤報 0 對應於 1 個平均誤報 1 對應於 0.1 個平均誤報。 只有當物件型別為 LSD_REFINE_ADV 時才會計算此向量。

此函式的呼叫圖如下

drawSegments()

virtual void cv::LineSegmentDetector::drawSegments ( InputOutputArray image, InputArray lines )

純虛擬函式

Python
	cv.LineSegmentDetector.drawSegments(	image, lines	) ->	image

在給定影像上繪製線段。

引數

image	將在其中繪製線條的影像。 應該大於或等於找到線條的影像。
輸出向量，包含與另一影像中點對應的對極線。每條線\(ax + by + c=0\)由3個數字\((a, b, c)\)編碼。	線條顏色。

---

此類文件由以下檔案生成

• opencv2/imgproc.hpp