线结构光光条直线方程提取问题分析

在线结构光视觉测量系统中，激光光条的提取精度至关重要。光条的提取效果，一方面取决于激光光条本身的质量，另一方面取决于图像处理算法性能，下面进行简要分析。
拍摄的原始图片如下图所示：

用的绿光激光器，本项目使用的是双目相机，两个相机拍摄了很多张图片，所有图片可以点击链接获取。通过下面的python函数对图片进行处理，并计算直线在像面坐标系的直线方程：

def Fitline(original_img, binary, erodeksize, erodeite, dilateksize, dilateite, gaussksize):
    ret, img = cv.threshold(original_img, binary, 255, 0)
    img = cv.erode(img, (erodeksize, erodeksize), iterations=erodeite)
    # cv.imshow("erosion", cv.resize(img, (960, 540)))
    img = cv.dilate(img, (dilateksize, dilateksize), dilateite)
    # cv2.imshow("dilate", img)
    gauss = cv.GaussianBlur(img, (gaussksize, gaussksize), 0)
    edges = cv.Canny(gauss, 100, 150, apertureSize=3)
    # cv.imshow('Canny', cv.resize(edges, (960, 540)))

    contours, hierarchy = cv.findContours(gauss, cv.RETR_TREE, cv.CHAIN_APPROX_NONE)
    # cnt = contours[0]
    area = []
    for k in range(len(contours)):
        area.append(cv.contourArea(contours[k]))
    max_idx = np.argmax(np.array(area))

    img1 = cv.merge([original_img, original_img, original_img])
    cv.drawContours(img1, contours[max_idx], -1, (0, 255, 0), 1)
    # cv.imshow('result', cv.resize(img1, (960, 540)))
    vx, vy, x, y = cv.fitLine(contours[max_idx], cv.DIST_L2, 0, 0.01, 0.01)
    k = vy / vx
    b = y - k * x
    # print(k, b)

    lefty = int((-x * vy / vx) + y)
    rows, cols = img1.shape[:2]
    righty = int(((cols - x) * vy / vx) + y)
    line = cv.line(img1, (cols - 1, righty), (0, lefty), (0, 0, 255), 1)
    cv.imshow('line', cv.resize(line, (960, 540)))
    cv.waitKey(10)
    return k, b

把文件夹里面的每一张图片都进行处理，这些光条都是在同一个固定位置拍摄的，理论上每个光条的直线方程应该相同。如果直线用$y=kx+b$的形式表示，那么$k$和$b$都应该基本保持不变。我们对这两个参数进行统计分析，得到如下四张统计图：

处理得到的直线提取效果为：

精度有待于进一步提升。