opencv檢測直線方法之投影法

更新時間：2018年12月26日 10:32:17 作者：恬夢

這篇文章主要為大家詳細介紹了opencv檢測直線之投影法的相關資料，具有一定的參考價值，感興趣的小伙伴們可以參考一下

本文實例為大家分享了opencv檢測直線之投影法的具體代碼，供大家參考，具體內容如下

以下是我對投影法的一點認識和實驗：

投影法就是數(shù)字圖像在某個方向上進行像素累加。通過水平和垂直方向的投影，可以得到表格圖像投影的幾個特點：

（1）表格區(qū)域的水平與豎直投影分布通常出現(xiàn)周期性的尖峰

（2）在文字投影的行與行之間或列與列之間常會出現(xiàn)明顯的空白區(qū)

因此，求圖像水平以及豎直投影，根據(jù)特點分別設以閾值就可以將橫線以及豎直線所在位置確定。

第一步：求圖像的水平投影、豎直投影

第二步：設定合理閾值，求取大于閾值的坐標（水平投影記錄縱坐標，垂直投影記錄橫坐標）

第三步：根據(jù)記錄縱坐標恢復水平線，根據(jù)記錄橫坐標恢復豎直線。

下面附整體代碼以及實驗結果：

#include<iostream> 
#include<vector>
#include <cv.h> 
#include <highgui.h>
using namespace std;
using namespace cv;
Mat VerticalLine(Mat srcImageBin)//垂直線條檢測 
{
 
 vector <int> array;//動態(tài)數(shù)組用來存儲投影值大于閾值的橫坐標
 
 int *colswidth = new int[srcImageBin.cols]; //申請src.image.cols個int型的內存空間，存儲二值圖中每列的白色像素數(shù) 
 memset(colswidth, 0, srcImageBin.cols * 4); //數(shù)組必須賦初值為零，否則出錯。無法遍歷數(shù)組。 
 
 int value;
 for (int i = 0; i < srcImageBin.cols; i++)
 {
 
 for (int j = 0; j < srcImageBin.rows; j++)
 {
 value = srcImageBin.at<uchar>(j, i);
 
 if (value == 255)
 {
 colswidth[i]++; //統(tǒng)計每列的白色像素點 
 
 }
 
 }
 
 }
 
 Mat lineImage(srcImageBin.rows, srcImageBin.cols, CV_8UC1, cv::Scalar(0, 0, 0));
 
 //尋找投影大于閾值0.3*srcImageBin.rows的橫坐標
 for (int i = 0; i < srcImageBin.cols; i++)
 {
 bool flag = true;
 
 for (int j = 0; j < colswidth[i] && colswidth[i] >= (0.3*srcImageBin.rows); j++)
 {
 
 if (flag == true)
 {
 array.push_back(i);
 flag = false;
 }
 }
 }
 int count = array.size();
 //恢復直線
 for (int n = 0; n < srcImageBin.rows; n++)
 {
 for (int w = 0; w<count; w++)
 {
 if (srcImageBin.at<uchar>(n, array[w]) == 255)
 {
 lineImage.at<uchar>(n, array[w]) = 255;
 }
 
 }
 }
 
 
 
 delete[] colswidth;
 return lineImage;
}
Mat HorizonLine(Mat srcImageBin)//水平線條檢測
{
 vector <int> array1;
 
 int *rowswidth = new int[srcImageBin.rows]; 
 memset(rowswidth, 0, srcImageBin.rows * 4); 
 int value;
 for (int i = 0; i < srcImageBin.rows; i++)
 {
 for (int j = 0; j < srcImageBin.cols; j++)
 {
 value = srcImageBin.at<uchar>(i, j);
 if (value == 255)
 {
 rowswidth[i]++; //統(tǒng)計每行的白色像素點 
 }
 }
 
 }
 
 Mat lineImage(srcImageBin.rows, srcImageBin.cols, CV_8UC1, cv::Scalar(0, 0, 0));
 
 //尋找投影大于閾值0.525*srcImageBin.cols的縱坐標
 for (int i = 0; i < srcImageBin.rows; i++)
 {
 bool flag = true;
 for (int j = 0; j < rowswidth[i] && rowswidth[i] >= (0.525*srcImageBin.cols); j++)
 {
 if (flag == true)
 {
 array1.push_back(i);
 flag = false;
 }
 
 }
 }
 int count = array1.size();
 
 //恢復水平線
 for (int h = 0; h<count; h++)
 {
 for (int m = 0; m < srcImageBin.cols; m++)
 {
 if (srcImageBin.at<uchar>(array1[h], m) == 255)
 {
 lineImage.at<uchar>(array1[h], m) = 255;
 }
 
 }
 }
 
 
 delete[] rowswidth;//釋放前面申請的空間 
 return lineImage;
}
int main()
{
 Mat srcImage = imread("E:\\x.jpg");
 Mat closeimage;
 imshow("原圖", srcImage);
 if (srcImage.channels() > 1)
 cvtColor(srcImage, srcImage, CV_RGB2GRAY);
 Mat srcImageBin;
 threshold(srcImage, srcImageBin, 140, 255, CV_THRESH_OTSU | CV_THRESH_BINARY_INV);
 
 Mat VP;
 VP = VerticalLine(srcImageBin);
 
 Mat HP;
 HP = HorizonLine(srcImageBin);
 
 Mat mergelineImage;
 
 bitwise_or(HP, VP, mergelineImage);
 imshow("mergelineImage", mergelineImage);
 
 waitKey(0);
 return 0;
 
}

實驗結果如下：