【opencv】两条平行线之间的距离

最新推荐文章于 2024-06-01 16:32:22 发布
最新推荐文章于 2024-06-01 16:32:22 发布
阅读量2.4w 收藏 75
点赞数 4
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qianchenglenger/article/details/20956145
版权

问题：一张输入图片，图片上有两条平行线，求出这两条平行线之间的距离

解决思路：

1. 对图像中的直线进行细化

2. 提取直线的轮廓坐标

3. 对轮廓上的坐标进行直线集合，从而得到直线方程

4. 计算两条直线之间的距离

参考：

问题来源 http://www.opencvchina.com/thread-854-1-1.html

图像细化 http://blog.csdn.net/qianchenglenger/article/details/19332011

图像轮廓提取 http://blog.csdn.net/augusdi/article/details/9000893

直线拟合 http://blog.csdn.net/zhuoyue08/article/details/6803040

两条直线之间的距离公式3：http://zhidao.baidu.com/link?url=ef_DHNkjyq1qq7VgubX3afL2KIUQIB4ukd3zHGp0zz8iPPKC046azyvG5ltHR-i0WaLI72eO7j0sOJI4wZSE4q

工具：

 opencv 2.4.8 + VS2013

代码：

1.头文件 ProcessImage.h

//ProcessImage.h
#pragma once
#include <opencv2/highgui/highgui.hpp>

/* 对输入图像进行细化
 * src为输入图像,用cvThreshold函数处理过的8位灰度图像格式，元素中只有0与1,1代表有元素，0代表为空白
 * dst为对src细化后的输出图像,格式与src格式相同，调用前需要分配空间，元素中只有0与1,1代表有元素，0代表为空白
 * maxIterations限制迭代次数，如果不进行限制，默认为-1，代表不限制迭代次数，直到获得最终结果
 */
void thinImage(IplImage* src, IplImage* dst, int maxIterations = -1);

2.代码实现 ProcessImage.cpp 

//ProcessImage.cpp
#include "ProcessImage.h"
#include <utility>
#include <vector>
void thinImage(IplImage* src, IplImage* dst, int maxIterations)
{
	using namespace cv;
	CvSize size = cvGetSize(src);
	cvCopy(src, dst);//将src中的内容拷贝到dst中  
	int count = 0;  //记录迭代次数  
	while (true)
	{
		count++;
		if (maxIterations != -1 && count > maxIterations) //限制次数并且迭代次数到达  
			break;
		//std::cout << count << ' ';输出迭代次数  
		std::vector<std::pair<int, int> > mFlag; //用于标记需要删除的点  
		//对点标记  
		for (int i = 0; i<size.height; ++i)
		{
			for (int j = 0; j<size.width; ++j)
			{
				//如果满足四个条件，进行标记  
				//  p9 p2 p3  
				//  p8 p1 p4  
				//  p7 p6 p5  
				int p1 = CV_IMAGE_ELEM(dst, uchar, i, j);
				int p2 = (i == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j);
				int p3 = (i == 0 || j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j + 1);
				int p4 = (j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i, j + 1);
				int p5 = (i == size.height - 1 || j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j + 1);
				int p6 = (i == size.height - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j);
				int p7 = (i == size.height - 1 || j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j - 1);
				int p8 = (j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i, j - 1);
				int p9 = (i == 0 || j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j - 1);

				if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6)
				{
					int ap = 0;
					if (p2 == 0 && p3 == 1) ++ap;
					if (p3 == 0 && p4 == 1) ++ap;
					if (p4 == 0 && p5 == 1) ++ap;
					if (p5 == 0 && p6 == 1) ++ap;
					if (p6 == 0 && p7 == 1) ++ap;
					if (p7 == 0 && p8 == 1) ++ap;
					if (p8 == 0 && p9 == 1) ++ap;
					if (p9 == 0 && p2 == 1) ++ap;

					if (ap == 1)
					{
						if (p2*p4*p6 == 0)
						{
							if (p4*p6*p8 == 0)
							{
								//标记  
								mFlag.push_back(std::make_pair(i, j));
							}
						}
					}
				}
			}
		}

		//将标记的点删除  
		for (std::vector<std::pair<int, int> >::iterator i = mFlag.begin(); i != mFlag.end(); ++i)
		{
			CV_IMAGE_ELEM(dst, uchar, i->first, i->second) = 0;
		}

		//直到没有点满足，算法结束  
		if (mFlag.size() == 0)
		{
			break;
		}
		else
		{
			mFlag.clear();//将mFlag清空  
		}

		//对点标记  
		for (int i = 0; i<size.height; ++i)
		{
			for (int j = 0; j<size.width; ++j)
			{
				//如果满足四个条件，进行标记  
				//  p9 p2 p3  
				//  p8 p1 p4  
				//  p7 p6 p5  
				int p1 = CV_IMAGE_ELEM(dst, uchar, i, j);
				if (p1 != 1) continue;
				int p2 = (i == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j);
				int p3 = (i == 0 || j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j + 1);
				int p4 = (j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i, j + 1);
				int p5 = (i == size.height - 1 || j == size.width - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j + 1);
				int p6 = (i == size.height - 1) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j);
				int p7 = (i == size.height - 1 || j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i + 1, j - 1);
				int p8 = (j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i, j - 1);
				int p9 = (i == 0 || j == 0) ? 0 : CV_IMAGE_ELEM(dst, uchar, i - 1, j - 1);

				if ((p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) >= 2 && (p2 + p3 + p4 + p5 + p6 + p7 + p8 + p9) <= 6)
				{
					int ap = 0;
					if (p2 == 0 && p3 == 1) ++ap;
					if (p3 == 0 && p4 == 1) ++ap;
					if (p4 == 0 && p5 == 1) ++ap;
					if (p5 == 0 && p6 == 1) ++ap;
					if (p6 == 0 && p7 == 1) ++ap;
					if (p7 == 0 && p8 == 1) ++ap;
					if (p8 == 0 && p9 == 1) ++ap;
					if (p9 == 0 && p2 == 1) ++ap;

					if (ap == 1)
					{
						if (p2*p4*p8 == 0)
						{
							if (p2*p6*p8 == 0)
							{
								//标记  
								mFlag.push_back(std::make_pair(i, j));
							}
						}
					}
				}
			}
		}
		//删除  
		for (std::vector<std::pair<int, int> >::iterator i = mFlag.begin(); i != mFlag.end(); ++i)
		{
			CV_IMAGE_ELEM(dst, uchar, i->first, i->second) = 0;
		}

		//直到没有点满足，算法结束  
		if (mFlag.size() == 0)
		{
			break;
		}
		else
		{
			mFlag.clear();//将mFlag清空  
		}
	}
}
3.主函数所在文件 Source.cpp 

//Source.cpp
#include "ProcessImage.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#define _TEST
using namespace cv;
int main(int argc, char * argv[])
{
	//判断输入是否满足要求
	if (argc != 2)
	{
		std::cout << "argument error!";
		return -1;
	}
	IplImage *pSrc = cvLoadImage(argv[1], CV_LOAD_IMAGE_GRAYSCALE);
	if (!pSrc)
	{
		std::cout << "read file failed!";
		return -1;
	}

	//显示原图
	namedWindow("原图", CV_WINDOW_AUTOSIZE);
	cvShowImage("原图", pSrc);

	IplImage *pTemp = cvCreateImage(cvGetSize(pSrc), pSrc->depth, pSrc->nChannels);
	IplImage *pDst = cvCreateImage(cvGetSize(pSrc), pSrc->depth, pSrc->nChannels);

	//将原图像转换为二值图像
	cvThreshold(pSrc, pTemp, 128, 1, CV_THRESH_BINARY_INV);
	//细化
	thinImage(pTemp, pDst);

#ifdef _TEST
	//显示细化后的图像
	IplImage *pThinImage = cvCreateImage(cvGetSize(pSrc), pSrc->depth, pSrc->nChannels);
	cvCopy(pDst, pThinImage);
	cvThreshold(pThinImage, pThinImage, 0.5, 255,CV_THRESH_BINARY);
	namedWindow("1 图像细化的结果", CV_WINDOW_AUTOSIZE);
	cvShowImage("1 图像细化的结果", pThinImage);
	cvReleaseImage(&pThinImage);
#endif

	//求轮廓
	CvMemStorage* storage = cvCreateMemStorage(0);
	CvSeq* contours = 0;
	cvFindContours(pDst	, storage, &contours, sizeof(CvContour), CV_RETR_LIST, CV_CHAIN_APPROX_NONE, cvPoint(0, 0));

#ifdef _TEST
	//将轮廓画出来
	IplImage *pDrawing1 = cvCreateImage(cvGetSize(pSrc),8,3);
	cvZero(pDrawing1);
	cvDrawContours(pDrawing1, contours, Scalar(255, 0, 0), Scalar(0, 0, 255), 1, 2, 8, cvPoint(0, 0));
	namedWindow("2 求轮廓", CV_WINDOW_AUTOSIZE);
	cvShowImage("2 求轮廓", pDrawing1);
	cvReleaseImage(&pDrawing1);
#endif


	//轮廓已经寻找到，均在contours中存放,我们需要对轮廓进行拟合
	//FitLine函数的用法：
	// 二维空间点拟合时 是 float[4]
	// 三位空间点拟合时 是 float[6]	
	float *line1 = new float[4];
	float *line2 = new float[4];
	// 第一个参数： 存储点序列
	// 第二个参数： 拟合算法，其中 CV_DIST_L2 就是平常的最小二乘法
	// 第三，第四，第五参数推荐值是 0,   0.01,  0.01,
	// 第六参数： line中存储返回值
	// 二维空间时： line[0--3] 分别为 (vx, vy, x0, y0)
	//      其中 vx， vy 是正规化之后的斜率向量。 x0,y0 是直线经过的点。
	// 三维空间时： line[0--5]  分别是 (vx, vy, vz, x0, y0, z0) 。意义同上
	cvFitLine(contours, CV_DIST_L2, 0, 0.01, 0.01, line1);
	cvFitLine(contours->h_next, CV_DIST_L2, 0, 0.01, 0.01, line2);
	
	//输出四个点
	std::cout << "第一条线： " << line1[0] << " " << line1[1] << " " << line1[2] << " " << line1[3] << std::endl;
	std::cout << "第二条线： " << line2[0] << " " << line2[1] << " " << line2[2] << " " << line2[3] << std::endl;
	
#ifdef _TEST
	//根据直线方程公式，我们从直线上取点，并画出来
	IplImage *pDrawing2 = cvCreateImage(cvGetSize(pSrc), 8, 3);
	cvZero(pDrawing2);
	cvLine(pDrawing2, cvPoint(0, (int)(line1[3] - line1[1] / line1[0] * line1[2])),
		cvPoint(pDrawing2->width - 1, (int)((pDrawing2->width - 1 - line1[2])*line1[1] / line1[0] + line1[3])),
		cvScalar(255, 0, 0));
	cvLine(pDrawing2, cvPoint(0, (int)(line2[3] - line2[1] / line2[0] * line2[2])), 
		cvPoint(pDrawing2->width - 1, (int)((pDrawing2->width - 1 - line2[2])*line2[1] / line2[0] + line2[3])), 
		cvScalar(0, 0, 255));
	namedWindow("3 直线拟合", CV_WINDOW_AUTOSIZE);
	cvShowImage("3 直线拟合", pDrawing2);
	cvReleaseImage(&pDrawing2);
#endif

	//我们根据距离方程，求出两条直线的距离
	double distance = abs(line1[0] * (line2[3]-line1[3]) - line1[1] * (line2[2]-line1[2]));	//注意,vx,vy已经正规化了
	std::cout << "两条直线之间的距离为: " << distance << std::endl;
	delete[] line1;
	delete[] line2;

	cvReleaseMemStorage(&storage);
	cvReleaseImage(&pSrc);
	cvReleaseImage(&pTemp);
	cvReleaseImage(&pDst);

	waitKey(0);

	return 0;
}
运行效果：

输入:

输出:


i_wooden
关注
  • 4
    点赞
  • 踩
  • 75
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
三维空间两条直线的最短距离、最近点及C++算法实现
momo0637的博客
12-18 1万+
在双目视觉立体空间重建中，会根据两个相机中的物体图像坐标，求取给定坐标系的三维坐标。根据物体图像坐标、相机内参、给定坐标系的相机外参，求取相机光轴线的方程，从而实现立体重建，本文主要是解决在已知三维空间两条直线求其最短距离、最近点及算法实现。
点到直线的距离opencv实现
彼岸花
03-30 8860
数学几何代数中有点到直线的公式： 点P（x0，y0）到直线Ax＋By＋C=0的距离： （当然也可直接用向量法求出余弦角，再用正弦求得距离） //p.s. 直线公式用两点式转换成一般式  //param p1:线外的点  //param lp1: 线的起点  //param lp2: 线的终点  //return 距离 #include "math.h"
python-opencv直线检测+直线拟合+计算直线间距离
weixin_41921564的博客
06-13 1万+
python-opencv直线检测+直线拟合+计算偏移量 计算边界直线与x坐标轴的距离=首先canny边缘检测——>直线检测——>直线拟合——>计算与x坐标轴的距离。 直接上代码： import cv2 #opencv读取的格式是BGR import numpy as np vc = cv2.VideoCapture('D:/Desktop/duizhong/fangzhen.mp4') if vc.isOpened(): #判断能否读取 open, frame =
opencv3求两点间距离以及点到直线距离函数
热门推荐
耶律大石的博客
07-10 1万+
求两点间距离 /***** 求两点间距离*****/ float getDistance(CvPoint pointO, CvPoint pointA) { float distance; distance = powf((pointO.x - pointA.x), 2) + powf((pointO.y - pointA.y), 2); distance = sqrtf...
OpenCV学习 基础图像操作（十六）：图像距离变换
最新发布
fan1102958151的博客
06-01 1224
距离变换（Distance Transforms）是计算机视觉和图像处理中的一种重要工具。其基本思想是将每个像素的值变换为其到最近的某一特定点集（如二值图像中的“on”像素）的距离。以下是关于距离变换的一般算法流程和相关公式。
OpenCV计算两条平行线之间的距离
苦逼的程序猿
04-23 6319
代码来自www.opencvchina.com #include "cv.h" #include "highgui.h" #include "cxcore.h" #include <stdlib.h> #include <stdio.h> #ifndef LINESDISHEADER #define LINESDISHEADER //对输入图像进行细化 voi...
计算二条平行线距离
11-10
使用opencv计算二条平行线之间的距离.
Opencv4图像分割和识别第七课(实战6）如何计算两条直线间的距离
ltshan139的专栏
07-04 4476
前言 Opencv4图像分割和识别实战6的视频课程（https://edu.csdn.net/course/detail/24864）主要是讲解如何求两条曲线之间的距离。对应的，本课作业来求下面图所示的两条直线间距离以巩固课堂上所学的知识。 解决方法一 1）通过前面所学的投影分割法来分别获得这2条直线上的离散采样点，然后将它们通过直线拟合求得各自的直线方程，如k1x+b和k2x+b2。...
求opencv用C++实现边缘检测以及求两直线之间的距离
忘性太好
03-23 2130
int main(){ IplImage* src; src=cvLoadImage("D:\\image\\line.jpg"); { IplImage* dst = cvCreateImage( cvGetSize(src), 8, 1 ); IplImage* color_dst = cvCreateImage( cvGetSize(src), 8, 3 ); CvMemStorage
学习OpenCV3：判断两条直线平行，并计算平行距离
北冥有鱼wyh的博客
06-30 4538
一、问题   已知两条直线l1(x1,y1,x2,y2)l_1(x_1,y_1,x_2,y_2)l1​(x1​,y1​,x2​,y2​)和l2(x3,y3,x4,y4)l_2(x_3,y_3,x_4,y_4)l2​(x3​,y3​,x4​,y4​)，现希望判断l1l_1l1​与l2l_2l2​间是否平行。若平行，计算出两条直线间的平行距离。 二、分析 y−y1y2−y1=x−x1x2−x1⇒{ax+by+c=0a=−(y2−y1)b=x2−x1c=(y2−y1)x1−(x2−x1)y1k=−ab \fra.
opencv计算两平行线之间的距离
04-20
由于两条平行线的距离在任何点上都是恒定的，我们可以选择其中一条线上任意一点，然后计算到另一条线的距离。距离公式可以使用点到直线的距离公式： 距离 = |(x0, y0) - (x1, y1)| / sqrt(1 + m^2) 这里，(x0, y0)...
平行线之间的距离
07-02
计算图片中两条平行线之间的距离，代码完整，非常使用，不可错过额
OpenCV识别图像上的线条轨迹
08-18
OpenCV识别图像上的线条轨迹 OpenCV是一款功能强大的计算机视觉库，提供了许多有用的函数和类来处理图像和视频。今天，我们将学习如何使用OpenCV来识别图像上的线条轨迹。 首先，需要理解图像在内存中的存储形式。...
Opencv摄像机测量距离，两点成线测量，将结果在右侧方框中显示
07-06
在这个特定的知识点中，我们关注的是如何利用OpenCV通过摄像机来测量实际距离，具体是基于“两点成线”的测量原理。这种方法涉及到图像特征检测、几何变换以及物理尺寸的计算。 首先，我们需要了解基础的相机模型。...
opencv 直线距离测量
qq_36786800的博客
07-10 2240
// ConsoleApplication1.cpp : 定义控制台应用程序的入口点。 // #include "pch.h" #include<opencv2\opencv.hpp> #include<opencv2\highgui\highgui.hpp> #include<vector> using namespace cv; using namesp...
C++工程通过opencv找到自己定义的矩形中的两平行线的距离
moonlightpeng的博客
09-11 1265
1 C++工程，opencv310以上为了使用createLineSegmentDetector()函数 Detector.h #pragma once //#include "opencv2/opencv.hpp" #include <opencv.hpp> #include <math.h> #include <fstream> #include...
使用opencv测量点到线的距离
qq_45332711的博客
10-27 3171
首先通过鼠标操作在图片上随机点两个点，创建一条直线。然后点第三个点，该点到直线的距离就出来了。 由于鼠标点击有误差，所以测的距离有误差，还请大佬指点！ #include "opencv2/opencv.hpp" #include <iostream> #include <math.h> using namespace cv; using namespace std; /...
Opencv4图像分割和识别实战课程
05-27
本课程专注于使用opencv4 APIs来解决实际工作中经常遇到的图像分割、识别问题。精心挑选的8个例子涵盖了图片滤镜特效，验证码识别，条形码和二维码定位和识别，试卷答题线检测、瓶盖缺陷识别以及车道线检测等方面。课程中既有原理讲解也有实战代码演示，更重要的是每节课后都布置有作业来提供动手机会，使得学员们通过实操来更好地消化和掌握课堂知识。
openCV综合运用 ------- 图像细化、线段长度、平行线距离检测
qq_19281769的博客
11-06 5666
      在上述博客中，我分别对平滑滤波、边缘检测、直线检测做了一定程度的了解，那么最终的目的我们是需要解决实际问题，那么今天就试着完成一个简单的综合训练，来在巩固前面所学知识的同时，学到新的东西！       题目如下：                                                     1.分别检测两线段的长度；     2.算出这两平行线之间...
OpenCV 两条线的距离
03-31
在 OpenCV 中，可以使用 cv::norm 函数计算两条线之间的距离。具体来说，可以计算两条线的最短距离，即两条线段之间的最短距离。 以下是一个示例代码，其中两条线分别由点集 Line1 和 Line2 构成： ``` cv::Vec4f Line1, Line2; // 两条线的参数表示 cv::Point2f pt1, pt2, pt3, pt4; // 两条线的端点 // 计算两条线之间的距离 float dist = cv::norm(cv::Mat(pt1 - pt3).cross(cv::Mat(pt2 - pt3))) / cv::norm(pt2 - pt1); ``` 在上述代码中，使用了向量的叉积来计算两条线之间的距离。具体来说，计算了线段 Line1 和 Line2 的端点 pt1、pt2、pt3、pt4 构成的平面上的两个向量，然后计算了这两个向量的叉积的模长，除以线段 Line1 和 Line2 的长度之和，即可得到两条线之间的最短距离。
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值