cv::LineSegmentDetector 类参考

线段检测器类。 更多...

#include <opencv2/imgproc.hpp>

cv::LineSegmentDetector 的协作图

公共成员函数
virtual	~LineSegmentDetector ()
virtual int	compareSegments (const Size &size, InputArray lines1, InputArray lines2, InputOutputArray image=noArray())=0
	用蓝色和红色绘制两组线条，并计算非重叠（不匹配）的像素。
virtual void	detect (InputArray image, OutputArray lines, OutputArray width=noArray(), OutputArray prec=noArray(), OutputArray nfa=noArray())=0
	在输入图像中查找线条。
virtual void	drawSegments (InputOutputArray image, InputArray lines)=0
	在给定图像上绘制线段。
从 cv::Algorithm 继承的公共成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在刚开始时或在读取失败后）则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const

附加的继承成员
从 cv::Algorithm 继承的静态公共成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。
从 cv::Algorithm 继承的保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

线段检测器类。

遵循 [112] 中描述的算法。

注意

由于原始代码许可证冲突，已从 OpenCV 版本 3.4.6 到 3.4.15 以及 4.1.0 到 4.5.3 中移除实现。 在 Computation of a NFA 代码在 MIT 许可证下发布后再次恢复。

构造函数 & 析构函数文档

~LineSegmentDetector()

virtual cv::LineSegmentDetector::~LineSegmentDetector ( )

inlinevirtual

成员函数文档

compareSegments()

virtual int cv::LineSegmentDetector::compareSegments ( const Size & size, InputArray lines1, InputArray lines2, InputOutputArray image = noArray() )

纯虚函数

Python
	cv.LineSegmentDetector.compareSegments(	size, lines1, lines2[, image]	) ->	返回值, image

用蓝色和红色绘制两组线条，并计算非重叠（不匹配）的像素。

参数

size	lines1 和 lines2 所在图像的大小。
lines1	需要绘制的第一组线条。 它以蓝色可视化。
lines2	第二组线条。 它们以红色可视化。
image	可选图像，线条将在其中绘制。 该图像应该是彩色（3 通道）的，以便 lines1 和 lines2 以上述颜色绘制。

此函数的调用图如下

detect()

virtual void cv::LineSegmentDetector::detect ( InputArray image, OutputArray 输出向量，包含与另一图像中点对应的对极线。每条线\(ax + by + c=0\)由3个数字\((a, b, c)\)编码。, OutputArray width = noArray(), OutputArray prec = noArray(), OutputArray nfa = noArray() )

纯虚函数

Python
	cv.LineSegmentDetector.detect(	image[, lines[, width[, prec[, nfa]]]]	) ->	lines, width, prec, nfa

在输入图像中查找线条。

这是上述图像上算法默认参数的输出。

image

参数

image	灰度 (CV_8UC1) 输入图像。 如果只需要选择一个 roi，请使用：lsd_ptr-\>detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
输出向量，包含与另一图像中点对应的对极线。每条线\(ax + by + c=0\)由3个数字\((a, b, c)\)编码。	Vec4f 元素的向量，指定线的起点和终点。 其中 Vec4f 为 (x1, y1, x2, y2)，点 1 为起点，点 2 为终点。 返回的线条严格按照梯度方向定向。
width	找到线条的区域的宽度向量。 例如，线条宽度。
prec	找到线条的精度向量。
nfa	包含线区域中误报数量的向量，精度为 10%。 值越大，对数的检测效果越好。 -1 对应于 10 个平均误报 0 对应于 1 个平均误报 1 对应于 0.1 个平均误报。 只有当对象类型为 LSD_REFINE_ADV 时才会计算此向量。

此函数的调用图如下

drawSegments()

virtual void cv::LineSegmentDetector::drawSegments ( InputOutputArray image, InputArray lines )

纯虚函数

Python
	cv.LineSegmentDetector.drawSegments(	image, lines	) ->	image

在给定图像上绘制线段。

参数

image	将在其中绘制线条的图像。 应该大于或等于找到线条的图像。
输出向量，包含与另一图像中点对应的对极线。每条线\(ax + by + c=0\)由3个数字\((a, b, c)\)编码。	线条颜色。

---

此类文档由以下文件生成

• opencv2/imgproc.hpp