OpenCV 直线检测应用：识别试卷中填空题

上图是待检测的图，主要目标是识别图中填空题的下划线，这样也就找到了试卷中的答案

1.配置OpenCV

环境：Win10+VS2015 + OpenCV3.4.1
1.下载OpenCV，到官网下载相对应的版本：https://opencv.org/
2.下载后直接解压，这里解压到D盘根目录了

3.系统环境变量配置
解压后，找到build下的bin目录，复制路径：D:\Opencv\opencv\build\bin

将这个路径添加系统变量里，右键 我的电脑，然后 属性 ， 选择 高级系统设置，找到系统变量里的path路径



点击确定退出。

4. vs2015里配置
   打开vs，新建一个项目
   
   
   在视图下拉菜单的其他窗口，找到属性管理器，打开
   
   这里以Debug | x64 模式配置为例，也可以直接配置Release模式，右击添加新项目属性：
   
   
   起个名字方便以后新建项目使用，这里是Debug_x64_opencv3.4.1

双击打开，修改C++目录：

1. 在包含目录里添加：

D:\Opencv\opencv\build\include
D:\Opencv\opencv\build\include\opencv
D:\Opencv\opencv\build\include\opencv2

3. 在库目录里添加：

D:\Opencv\opencv\build\x64\vc14\lib

注：这里的vc14对应VS2015版本



接着修改链接器：
输入–>附加依赖项
添加： opencv_world340d.lib
注：这个文件在刚添加的库目录D:\Opencv\opencv\build\x64\vc14\lib里面，带d是Debug版本，若配置release版添加opencv_world340.lib`



确定退出。
把D:\Opencv\opencv\build\x64\vc14\bin里三个dll文件复制到系统盘里（打开C盘，找到Windows–>System32文件夹）


这样就配置好OpenCV了。
另外如果配置了release版本属性文件注意切换模式：

属性配置文件可以拷到常用的目录里，下次新建项目，可以直接添加现有项，把属性配置文件加载到新的工程里，省去了重复配置

2.直线检测

先加载一下待处理图，看看OpenCV配置的有没有问题

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat src;
const char* input_title = "input image";
int main()
{
	//读取原图
	src = imread("D:\\work_c++\\444.jpg");
	//判断是否为空
	if (!src.data)
	{
		printf("load image fail...\n");
		return -1;
	}
	//char input[] ="input image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);
	waitKey(0);
	return 0;
}

可以加载图像，说明OpenCV配置没有问题。

2.直线检测

这里尝试用三种方法来做，分别看看效果：

2.1 边缘检测Canny法

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat src, dst;
const char* input_title = "input image";
const char* out_lines = "out image";

int max_value = 255;
int threshold_value = 100;
void detect_lines(int, void*);
int main()
{
	//读取原图
	src = imread("D:\\work_c++\\444.jpg");

	//判断是否为空
	if (!src.data)
	{
		printf("load image fail ...\n");
		return -1;
	}
	//char input[] ="input image";
	namedWindow(input_title, CV_WINDOW_AUTOSIZE);
	imshow(input_title, src);

	namedWindow(out_lines, CV_WINDOW_AUTOSIZE);
	createTrackbar("变量值", out_lines, &threshold_value, max_value, detect_lines);
	detect_lines(0, 0);
	waitKey(0);
	return 0;
}

void detect_lines(int, void*)
{
	Canny(src, dst, threshold_value, 255, 3, false);
	vector<Vec4i> lines;
	HoughLinesP(dst, lines, 1, CV_PI / 180, 30, 40, 0);
	cvtColor(dst, dst, CV_GRAY2BGR);
	Mat srcImg = src.clone();
	for (size_t t = 0; t < lines.size(); t++)
	{
		Vec4i pl = lines[t];
		//line(dst, Point(pl[0], pl[1]), Point(pl[2], pl[3]), Scalar(0, 0, 255), 2, 8, 0);
		line(srcImg, Point(pl[0], pl[1]), Point(pl[2], pl[3]), Scalar(0, 0, 255), 2, 8, 0);
	}
	//imshow(out_lines, dst);
	imshow(out_lines, srcImg);
}

拖动滑块调一调找到合适阈值，效果如下：

2.2 阈值法

代码如下：

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat src, dst;
int max_value = 255;
int threshold_value = 106;
char output[] = "out image";
void detect_lines(int, void*);
int main()
{
	//读取原图
	src = imread("D:/work_c++/444.jpg");

	//判断是否为空
	if (src.empty())
	{
		printf("load image fail ...\n");
		return -1;
	}
	char input[] = "input image";
	namedWindow(input, CV_WINDOW_AUTOSIZE);
	imshow(input, src);


	namedWindow(output, CV_WINDOW_AUTOSIZE);
	createTrackbar("变量值", output, &threshold_value, max_value, detect_lines);
	detect_lines(0, 0);
	waitKey(0);
	return 0;
}

void detect_lines(int, void*)
{
	cvtColor(src, dst, CV_BGR2GRAY);
	threshold(dst, dst, threshold_value, 255, THRESH_BINARY_INV);
	vector<Vec4i> lines;
	HoughLinesP(dst, lines, 1, CV_PI / 180, 30, 80, 0);
	cvtColor(dst, dst, CV_GRAY2BGR);
	Mat srcImg = src.clone();
	for (size_t t = 0; t < lines.size(); t++)
	{
		Vec4i pl = lines[t];
		//line(dst, Point(pl[0], pl[1]), Point(pl[2], pl[3]), Scalar(0, 0, 255), 2, 8, 0);
		line(srcImg, Point(pl[0], pl[1]), Point(pl[2], pl[3]), Scalar(0, 0, 255), 2, 8, 0);
	}
	imshow(output, srcImg);
}

拖动滑块阈值为70时的效果：

2.3 形态学法

代码如下：

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;
using namespace std;

Mat src;
char output[] = "out image";
void morhpologyLines(int, void*);
int main()
{
	//读取原图
	src = imread("D:/work_c++/444.jpg");

	//判断是否为空
	if (src.empty())
	{
		printf("load image fail ...\n");
		return -1;
	}
	char input[] ="input image";
	namedWindow(input, CV_WINDOW_AUTOSIZE);
	imshow(input, src);

	namedWindow(output, CV_WINDOW_AUTOSIZE);
	morhpologyLines(0, 0);

	waitKey(0);
	return 0;
}


void morhpologyLines(int, void*)
{
	//自动阈值
	Mat bImg, mImg,img;
	img = src.clone();
	cvtColor(img, bImg, CV_BGR2GRAY);
	threshold(bImg, bImg, 0, 255, THRESH_BINARY_INV|THRESH_OTSU);
	//imshow("binary", bImg);

	//开操作
	Mat kernel = getStructuringElement(MORPH_RECT, Size(21, 1), Point(-1, -1));
	morphologyEx(bImg, mImg, MORPH_OPEN, kernel, Point(-1, -1));
	//imshow("morp", mImg);
	

	//膨胀
	kernel = getStructuringElement(MORPH_RECT, Size(1, 1), Point(-1, -1));
	dilate(mImg, mImg, kernel);

	
	//霍夫直线
	vector<Vec4i> lines;
	HoughLinesP(mImg, lines, 1, CV_PI / 180, 30, 20, 0);
	Mat resImg = src.clone();
	for (size_t t = 0; t < lines.size(); t++)
	{
		Vec4i pl = lines[t];
		line(resImg, Point(pl[0], pl[1]), Point(pl[2], pl[3]), Scalar(0, 0, 255), 2, 8, 0);
	}
	imshow(output, resImg);
}

效果如下图所示：