这篇文章将为大家详细讲解有关opencv检测直线方法之投影法的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
成都创新互联自2013年起，先为魏县等服务建站，魏县等地企业，进行企业商务咨询服务。为魏县企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
本文实例为大家分享了opencv检测直线之投影法的具体代码，供大家参考，具体内容如下
以下是我对投影法的一点认识和实验：
投影法就是数字图像在某个方向上进行像素累加。通过水平和垂直方向的投影，可以得到表格图像投影的几个特点：
（1）表格区域的水平与竖直投影分布通常出现周期性的尖峰
（2）在文字投影的行与行之间或列与列之间常会出现明显的空白区
因此，求图像水平以及竖直投影，根据特点分别设以阈值就可以将横线以及竖直线所在位置确定。
第一步：求图像的水平投影、竖直投影
第二步：设定合理阈值，求取大于阈值的坐标（水平投影记录纵坐标，垂直投影记录横坐标）
第三步：根据记录纵坐标恢复水平线，根据记录横坐标恢复竖直线。
下面附整体代码以及实验结果：
#include
#include
#include
#include
using namespace std;
using namespace cv;
Mat VerticalLine(Mat srcImageBin)//垂直线条检测
{
vector array;//动态数组用来存储投影值大于阈值的横坐标
int *colswidth = new int[srcImageBin.cols]; //申请src.image.cols个int型的内存空间，存储二值图中每列的白色像素数
memset(colswidth, 0, srcImageBin.cols * 4); //数组必须赋初值为零，否则出错。无法遍历数组。
int value;
for (int i = 0; i < srcImageBin.cols; i++)
{
for (int j = 0; j < srcImageBin.rows; j++)
{
value = srcImageBin.at(j, i);
if (value == 255)
{
colswidth[i]++; //统计每列的白色像素点
}
}
}
Mat lineImage(srcImageBin.rows, srcImageBin.cols, CV_8UC1, cv::Scalar(0, 0, 0));
//寻找投影大于阈值0.3*srcImageBin.rows的横坐标
for (int i = 0; i < srcImageBin.cols; i++)
{
bool flag = true;
for (int j = 0; j < colswidth[i] && colswidth[i] >= (0.3*srcImageBin.rows); j++)
{
if (flag == true)
{
array.push_back(i);
flag = false;
}
}
}
int count = array.size();
//恢复直线
for (int n = 0; n < srcImageBin.rows; n++)
{
for (int w = 0; w(n, array[w]) == 255)
{
lineImage.at(n, array[w]) = 255;
}
}
}
delete[] colswidth;
return lineImage;
}
Mat HorizonLine(Mat srcImageBin)//水平线条检测
{
vector array1;
int *rowswidth = new int[srcImageBin.rows];
memset(rowswidth, 0, srcImageBin.rows * 4);
int value;
for (int i = 0; i < srcImageBin.rows; i++)
{
for (int j = 0; j < srcImageBin.cols; j++)
{
value = srcImageBin.at(i, j);
if (value == 255)
{
rowswidth[i]++; //统计每行的白色像素点
}
}
}
Mat lineImage(srcImageBin.rows, srcImageBin.cols, CV_8UC1, cv::Scalar(0, 0, 0));
//寻找投影大于阈值0.525*srcImageBin.cols的纵坐标
for (int i = 0; i < srcImageBin.rows; i++)
{
bool flag = true;
for (int j = 0; j < rowswidth[i] && rowswidth[i] >= (0.525*srcImageBin.cols); j++)
{
if (flag == true)
{
array1.push_back(i);
flag = false;
}
}
}
int count = array1.size();
//恢复水平线
for (int h = 0; h(array1[h], m) == 255)
{
lineImage.at(array1[h], m) = 255;
}
}
}
delete[] rowswidth;//释放前面申请的空间
return lineImage;
}
int main()
{
Mat srcImage = imread("E:\\x.jpg");
Mat closeimage;
imshow("原图", srcImage);
if (srcImage.channels() > 1)
cvtColor(srcImage, srcImage, CV_RGB2GRAY);
Mat srcImageBin;
threshold(srcImage, srcImageBin, 140, 255, CV_THRESH_OTSU | CV_THRESH_BINARY_INV);
Mat VP;
VP = VerticalLine(srcImageBin);
Mat HP;
HP = HorizonLine(srcImageBin);
Mat mergelineImage;
bitwise_or(HP, VP, mergelineImage);
imshow("mergelineImage", mergelineImage);
waitKey(0);
return 0;
}
实验结果如下：
由上结果可知，如果直线中间有字会被误检为直线，图中用红色椭圆标出。
关于“opencv检测直线方法之投影法的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
新闻标题：opencv检测直线方法之投影法的示例分析
文章网址：
http://kswjz.com/article/pgsjhh.html
