cv::ximgproc::FastLineDetector 類參考

實現 [158] 中描述的 FLD（快速直線檢測器）演算法的類。 更多...

#include <opencv2/ximgproc/fast_line_detector.hpp>

cv::ximgproc::FastLineDetector 的協作圖

公共成員函式
virtual	~FastLineDetector ()
virtual void	detect (InputArray image, OutputArray lines)=0
	在輸入影像中查詢直線。 這是上述影像演算法的預設引數的輸出。
virtual void	drawSegments (InputOutputArray image, InputArray lines, bool draw_arrow=false, Scalar linecolor=Scalar(0, 0, 255), int linethickness=1)=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，在最開始或讀取失敗後），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

實現 [158] 中描述的 FLD（快速直線檢測器）演算法的類。

#include <iostream>
 
#include "opencv2/imgproc.hpp"
#include "opencv2/ximgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
 
using namespace std;
using namespace cv;
using namespace cv::ximgproc;
 
int main(int argc, char** argv)
{
    string in;
    CommandLineParser parser(argc, argv, "{@input|corridor.jpg|輸入影像}{help h||顯示幫助訊息}");
    if (parser.has("help"))
    {
parser.printMessage();
        return 0;
    }
in = samples::findFile(parser.get<string>("@input"));
 
    Mat image = imread(in, IMREAD_GRAYSCALE);
 
    if( image.empty() )
    {
parser.printMessage();
        return -1;
    }
 
    // 建立 FLD 檢測器
    // 引數 預設值 描述
    // length_threshold 10 - 將丟棄比此值短的線段
    // distance_threshold 1.41421356 - 從假設線放置的點
    // 距離大於此值的線段將被視為異常值
    // canny_th1 50 - Canny() 中遲滯過程的第一個閾值
    // canny_th2 50 - Canny() 中遲滯過程的第二個閾值
    // canny_aperture_size 3 - Canny() 中 sobel 運算元的 Aperturesize。
    // 如果為零，則不應用 Canny()，並且輸入影像被視為邊緣影像。
    // canny_aperture_size 3 - Canny() 中 sobel 運算元的 Aperturesize。
    // do_merge false - 如果為 true，將執行線段的增量合併
    // 將被執行
    int length_threshold = 10;
    float distance_threshold = 1.41421356f;
    double canny_th1 = 50.0;
    double canny_th2 = 50.0;
    int canny_aperture_size = 3;
    bool do_merge = false;
    Ptr<FastLineDetector> fld = createFastLineDetector(length_threshold,
    distance_threshold, canny_th1, canny_th2, canny_aperture_size,
    do_merge);
    vector<Vec4f> lines;
// 由於某些 CPU 的電源策略，似乎演算法的第一次執行需要更長的時間。
// 因此，我們在此處執行該演算法 5 次，以檢視演算法在充分預熱後的處理時間
// CPU 效能。
 
    for (int run_count = 0; run_count < 5; run_count++) {
    double freq = getTickFrequency();
    lines.clear();
    int64 start = getTickCount();
    // 使用 FLD 檢測直線
        fld->detect(image, lines);
double duration_ms = double(getTickCount() - start) * 1000 / freq;
        cout << "FLD 經過的時間 " << duration_ms << " 毫秒。" << endl;
        // 使用 FLD 顯示找到的直線
Mat line_image_fld(image);
        fld->drawSegments(line_image_fld, lines);
imshow("FLD 結果", line_image_fld);
    }
 
    waitKey();
    cv::CommandLineParser
專為命令列解析而設計。
定義 utility.hpp:890
cv::Mat::empty
 
    return 0;
}

建構函式 & 解構函式文件

virtual void cv::ximgproc::FastLineDetector::detect

cv.ximgproc.FastLineDetector.detect( ( )

image[, lines]

成員函式文件

灰度 (CV_8UC1) 輸入影像。 如果只需要選擇一個 roi，請使用： fld_ptr-\>detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);

一個 Vec4f 元素的向量，用於指定直線的起點和終點。 其中 Vec4f 是 (x1, y1, x2, y2)，點 1 是起點，點 2 是終點。 返回的直線是有方向的，因此較亮的一側在其左側。 ( InputArray image, OutputArray lines )

純虛擬函式

Python
	drawSegments()	virtual void cv::ximgproc::FastLineDetector::drawSegments	) ->	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。

在輸入影像中查詢直線。 這是上述影像演算法的預設引數的輸出。

image

引數

image	draw_arrow = false,
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。	linecolor = Scalar(0, 0, 255),

linethickness = 1 )

cv.ximgproc.FastLineDetector.drawSegments( ( InputOutputArray image, InputArray 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。, bool image, lines[, draw_arrow[, linecolor[, linethickness]]] Scalar 將在其上繪製直線的影像。 應該大於或等於找到直線的影像。 int 需要繪製的直線的向量。

純虛擬函式

Python
	draw_arrow	如果為 true，則將繪製箭頭。	) ->	image

在給定影像上繪製線段。

引數

image	linecolor
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。
linethickness	線條粗細。
此類文件由以下檔案生成	opencv2/ximgproc/fast_line_detector.hpp
在 2025 年 7 月 3 日星期四 12:14:40 為 OpenCV 生成，作者是  1.12.0	線條粗細。

---

此類文件由以下檔案生成

• opencv2/ximgproc/fast__line__detector.hpp