经过几个月的努力,小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4,小白与出版社沟通,提前在公众号上连载部分内容,请持续关注小白。 |
前面介绍的函数都是寻找图像或者点集中是否存在直线,而有时我们明确已知获取到的数据在一条直线上,此时需要将所有数据拟合出一条直线,但是由于噪声的存在,这条直线可能不会通过大多数的数据,因此需要保证所有的数据点距离直线的距离最小,如图7-10所示。相比于直线检测,直线拟合的最大特点是将所有数据只拟合出一条直线。
OpenCV 4中提供了利用最小二乘M-estimator方法拟合直线的fitLine()函数,该函数的函数原型在代码清单7-7中给出。
代码清单7-7 fitLine()函数原型
1. void cv::fitLine(InputArray points,
2. OutputArray line,
3. int distType,
4. double param,
5. double reps,
6. double aeps
7. )
- points:输入待拟合直线的2D或者3D点集。
- line:输出描述直线的参数,2D点集描述参数为Vec4f类型,3D点集描述参数为Vec6f类型。
- distType:M-estimator算法使用的距离类型标志,可以选择的距离类型在表7-1中给出。
- param:某些类型距离的数值参数(C)。如果数值为0,则自动选择最佳值。
- reps:坐标原点与直线之间的距离精度,数值0表示选择自适应参数,一般常选择0.01。
- aeps:直线角度精度,数值0表示选择自适应参数,一般常选择0.01。
该函数利用最小二乘法拟合出距离所有点距离最小的直线,直线的描述形式可以转化成点斜式。函数第一个参数是待拟合直线的2D或者3D点集,可以存放在vector<>或者Mat类型的变量中赋值给参数。函数第二个参数是拟合直线的描述参数,如果是2D点集,输出量为Vec4f类型的 ( v x v y x 0 y 0 ) \left( {\begin{matrix}{vx}&{vy}&{ {x_0}}&{ {y_0}}\end{matrix}} \right) (vxvyx0y0),其中 ( v x v y ) \left( {\begin{matrix}{vx}&{vy}\end{matrix}} \right) (vxvy)是与直线共线的归一化向量, ( x 0 y 0 ) \left( {\begin{matrix}{ {x_0}}&{ {y_0}}\end{matrix}} \right) (x0y0)是拟合直线上的随意一点,根据这四个量可以计算得到2维平面直线的点斜式解析式,表示形式如式(7.6)所示。
y = v y v x ( x − x 0 ) + y 0 (7.6) y = \frac{ {vy}}{ {vx}}(x - {x_0}) + {y_0}\tag{7.6} y=vxvy(x−x