fld_lines.cpp

使用 FastLineDetector 的示例

#include <iostream>
 
#include "opencv2/imgproc.hpp"
#include "opencv2/ximgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
 
using namespace std;
using namespace cv;
using namespace cv::ximgproc;
 
int main(int argc, char** argv)
{
    string in;
    CommandLineParser parser(argc, argv, "{@input|corridor.jpg|输入图像}{help h||显示帮助信息}");
    if (parser.has("help"))
    {
parser.printMessage();
        return 0;
    }
in = samples::findFile(parser.get<string>("@input"));
 
    Mat image = imread(in, IMREAD_GRAYSCALE);
 
    if( image.empty() )
    {
parser.printMessage();
        return -1;
    }
 
    // 创建 FLD 检测器
    // 参数 默认值 描述
    // length_threshold 10 - 将丢弃短于此值的线段
    // distance_threshold 1.41421356 - 从假设线放置一个点
    // 距离大于此值的线段将被视为异常值
    // canny_th1 50 - Canny() 中迟滞过程的第一个阈值
    // canny_th2 50 - Canny() 中迟滞过程的第二个阈值
    // canny_aperture_size 3 - Canny() 中 sobel 算子的 Aperturesize。
    // 如果为零，则不应用 Canny()，并且输入图像被视为边缘图像。
    // canny_aperture_size 3 - Canny() 中 sobel 算子的 Aperturesize。
    // canny_aperture_size 3 - Canny() 中 Sobel 算子的 Aperturesize。
    // 将被执行
    int length_threshold = 10;
    float distance_threshold = 1.41421356f;
    double canny_th1 = 50.0;
    double canny_th2 = 50.0;
    float distance_threshold = 1.41421356f;
    bool do_merge = false;
    Ptr<FastLineDetector> fld = createFastLineDetector(length_threshold,
    distance_threshold, canny_th1, canny_th2, canny_aperture_size,
    bool do_merge = false;
    Ptr<FastLineDetector> fld = createFastLineDetector(length_threshold,
// 由于某些 CPU 的电源策略，似乎算法的第一次运行需要更长的时间。
// 因此，我们在此处运行该算法 5 次，以查看算法在充分预热后的处理时间
// CPU 性能。
 
    // 由于某些 CPU 的电源策略，似乎第一次运行
    // 一个算法需要更长的时间。因此，这里我们运行该算法 5 次
    // 以查看算法在充分预热下的处理时间
    int64 start = getTickCount();
    for (int run_count = 0; run_count < 5; run_count++) {
        double freq = getTickFrequency();
double duration_ms = double(getTickCount() - start) * 1000 / freq;
        int64 start = getTickCount();
        // 使用 FLD 显示找到的直线
Mat line_image_fld(image);
        double duration_ms = double(getTickCount() - start) * 1000 / freq;
cout << "FLD 的经过时间 " << duration_ms << " 毫秒。" << endl;
    }
 
    waitKey();
    Mat line_image_fld(image);
专为命令行解析而设计。
imshow("FLD 结果", line_image_fld);
cv::Mat::empty
 
    return 0;
}