【opencv中两个LSD直线检测算法的区别与应用】

---

边缘检测： 传统的直线检测方法一般采用边缘检测算法提取二值边缘图像，然后利用Hough变换将表示每条直线属性的参数投影到Hough空间中。该线检测方法是一种全局拟合算法。缺点是依赖于边缘检测算法的准确性，在边缘密集的地方容易出现异常检测
LSD检测 LSD算法是一种基于梯度信息的直线检测方法，具有检测速度快、参数自适应、精度可达到亚像素级的特点。其主要思想是将局部区域内具有相同梯度方向的像素进行合并，以达到直线检测的目的

opencv中两个LSD直线检测算法的区别与应用
同样是Line Segment Detector(lsd)算法，opencv中提供了两种实现，并且位于不同的模块。在OpenCV 4.0版本及更高版本中，LSDDetector类的构造函数中没有LSDOptions参数。相反，它被重构为BinaryDescriptor::Params参数。因此，如果你的OpenCV版本高于4.0，那么在构造LSDDetector对象时，应该使用BinaryDescriptor::Params参数，而不是LSDOptions参数。下面分别介绍它们的使用方法：

1. LineSegmentDetector
   由于源码许可证问题 OpenCV 3.4.6-3.4.15、4.1.0-4.5.3中无法使用这个方法

使用该类检测直线并显示的代码如下：

import cv2

if __name__ == '__main__':
   img = cv2.imread("test.jpg")
   gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   gray_img = cv2.GaussianBlur(gray_img, (3,3), 2.0)
   #LineSegmentDetector
   lsd = cv2.createLineSegmentDetector(refine=cv2.LSD_REFINE_NONE, scale=0.8, ang_th=35)  
   lines_detected, width, prec, nfa = lsd.detect(gray_img)
   #lsd.drawSegments(img,lines_detected)
   #绘制检测结果
   for dline in lines_detected:
       x0 = int(round(dline[0][0]))
       y0 = int(round(dline[0][1]))
       x1 = int(round(dline[0][2]))
       y1 = int(round(dline[0][3]))
       cv2.line(mask, (x0, y0), (x1,y1), 255, 1, cv2.LINE_AA)
   cv2.imshow("Detected lines", img)
   cv2.waitKey(0)
   cv.destroyAllWindows()

c++示例代码如下(lsd_lines.cpp)：

#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>
using