最小二乘法对图像处理（python）

首先通过sobel中的参数0,1对图像矩阵进行纵向求导（1，0为横向求导），然后最小二乘法对第列的最大值的坐标进行直线拟合，得到其斜率和纵截距
当然也可以调用scipy库进行多项式拟合，这样更简单。

#图像拟合
import cv2
import numpy as np
import math
#import scipy.linalg as la
#求角度
def gradient(frame):
    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)#转化为灰度图像
    frame = cv2.GaussianBlur(frame, (3,3), 0)#高斯模糊，去噪
    _, Imask = cv2.threshold(frame, 80, 255, cv2.THRESH_BINARY)#二值化
    Imask = cv2.erode(Imask, None, iterations=2)
    Imask = cv2.dilate(Imask, np.ones((5, 5), np.uint8), iterations=2)
    sobely=cv2.Sobel(Imask,cv2.CV_64F,0,1,ksize=5)
    sobely=abs(sobely)
    _,c=cv2.threshold(sobely, 500, 255, cv2.THRESH_BINARY)#二值化
    row,col=c.shape
    c=c[int(row/5):int(row*4/5),int(col/3):int(2*col/3)]
    row,col=c.shape
    cv2.imshow('o',c)
    x=np.linspace(0,col,col)
    y=np.array(x)
    for i in range(col):
        cy=row-np.argmax(c[:,i])
        print(c[:,i])
        y[i]=cy
    xmean=x.mean()
    ymean=y.mean()
    k=((x*y).mean()-xmean*ymean)/(pow(x,2).mean()-(xmean**2))
    #b=ymean-k*xmean
    angle =math.atan(k)
    angle=float(angle*180/math.pi) 
    print(angle)  
    return angle
orgframe=cv2.imread('C:\\Users\\YS\\Desktop\\33.jpg',1)


angle=gradient(orgframe)
print(angle)
#turn(angle)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图：

处理之后：

输出：-25.224671300310334
-25.224671300310334
由于处理之后的图是从 c=c[int(row/5):int(row4/5),int(col/3):int(2col/3)]该区域剪出来的（视角需要），所以与原图大小不同，不要被视觉效果影响，可以比对一下直线与原图一致，而角度大致为25度。
除此之外，直线的得到还可以见链接