OpenCV 图形API（65）图像结构分析和形状描述符------拟合二维点集的直线函数 fitLine2D()

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

拟合一条直线到2D点集。

该函数通过最小化${\sum }_i\rho (r_i)$来将一条直线拟合到2D点集，其中 ri 是第 i 个点与直线之间的距离，ρ® 是距离函数，可以是以下之一：

• DIST_L2

$$\rho (r)=r^2/2\text{(最简单且最快的最小二乘法)}$$

• DIST_L1

$$\rho (r)=r$$

• DIST_L12

$$\rho (r)=2\cdot (\sqrt{1+\frac{r^2}{2}}-1)$$

• DIST_FAIR

$$\rho \left(r\right)=C^2\cdot \left(\frac{r}{C}-\log \left(1+\frac{r}{C}\right)\right)\text{where}C=1.3998$$

• DIST_WELSCH

  $$\rho \left(r\right)=\frac{C^2}{2}\cdot \left(1-\exp \left(-{\left(\frac{r}{C}\right)}^2\right)\right)\text{where}C=2.9846$$

• DIST_HUBER
  $$\rho (r)=\{\begin{array}{ll}{r}^2/2& \text{if }r<C\\ C\cdot (r-C/2)& \text{otherwise}\end{array}$$

该算法基于M估计器（http://en.wikipedia.org/wiki/M-estimator）技术，使用加权最小二乘法迭代地拟合直线。每次迭代后，权重 wi 被调整为与 ρ(ri) 成反比。

注意：

函数文本ID为 “org.opencv.imgproc.shape.fitLine2DMat”
在给定N维点集的情况下，Mat应该是二维的，如果有N个通道，则应有单行或单列；如果只有单个通道，则应有N列。

函数原型

GOpaque<Vec4f> cv::gapi::fitLine2D 
(
 	const GMat &  	src,
	const DistanceTypes  	distType,
	const double  	param = 0.,
	const double  	reps = 0.,
	const double  	aeps = 0. 
) 	

参数

• 参数 src 输入2D点集存储在下列容器之一：Mat, std::vectorcv::Point2i, std::vectorcv::Point2f, std::vectorcv::Point2d。
• 参数 distType M估计器使用的距离，参见DistanceTypes。DIST_USER和DIST_C不被支持。
• 参数 param 某些类型距离的数值参数©。如果是0，则选择最优值。
• 参数 reps 对于半径（坐标原点与直线之间的距离）的足够精度。1.0是一个好的默认值用于reps。如果是0，则选择默认值。
• 参数 aeps 对于角度的足够精度。0.01是一个好的默认值用于aeps。如果是0，则选择默认值。

返回值

输出直线参数：一个包含4个元素的向量（如Vec4f）- (vx, vy, x0, y0)，其中(vx, vy)是平行于直线的归一化向量，(x0, y0)是直线上的一个点。

代码示例

#include <iostream>
#include <opencv2/gapi.hpp>
#include <opencv2/gapi/core.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/opencv.hpp>  // 确保包含这个头文件以获取RNG定义

using namespace cv;
using namespace cv::gapi;

int main()
{
    // 声明并初始化随机数生成器
    RNG rng( 0xFFFFFFFF );

    // 读取输入图像并转换为灰度图
    Mat src = imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", IMREAD_GRAYSCALE );
    if ( src.empty() )
    {
        std::cerr << "无法读取图像" << std::endl;
        return -1;
    }

    // 对图像进行阈值处理以生成二值图像
    Mat binary;
    threshold( src, binary, 128, 255, THRESH_BINARY );

    // 查找轮廓
    std::vector< std::vector< Point > > contours;
    std::vector< Vec4i > hierarchy;
    findContours( binary, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE );

    if ( !contours.empty() )
    {
        // 使用第一个轮廓进行直线拟合
        auto contour = contours[ 0 ];

        // 创建G-API网络
        cv::GMat in;
        auto lineParams = gapi::fitLine2D( in, DIST_L2, 0, 0.01, 0.01 );

        // 将轮廓转换为GMat格式（这里需要将点列表转换为适合G-API的格式）
        Mat contourMat( contour );  // 注意：这可能需要额外处理以确保数据正确传递

        // 定义输出变量
        Vec4f fittedLine;

        // 运行G-API计算图
        cv::GComputation cc( GIn( in ), GOut( lineParams ) );
        cc.apply( cv::gin( contourMat ), cv::gout( fittedLine ), compile_args( gapi::kernels<>() ) );

        // 打印拟合的直线参数
        std::cout << "Fitted Line Parameters: " << fittedLine << std::endl;

        // 绘制原始轮廓和拟合的直线
        Mat dst;
        cvtColor( binary, dst, COLOR_GRAY2BGR );  // 转换为彩色图像以便于绘制颜色轮廓

        drawContours( dst, contours, 0, Scalar( 255, 0, 0 ), 2 );  // 绘制轮廓

        // 根据拟合直线参数绘制直线
        Point point1 = Point( 0, static_cast< int >( fittedLine[ 1 ] * 0 + fittedLine[ 3 ] ) );
        Point point2 = Point( static_cast< int >( binary.cols ), static_cast< int >( fittedLine[ 1 ] * binary.cols + fittedLine[ 3 ] ) );
        line( dst, point1, point2, Scalar( 0, 255, 0 ), 2 );

        // 显示结果
        imshow( "Contours and Fitted Line", dst );
        waitKey();
    }
    else
    {
        std::cerr << "未找到任何轮廓" << std::endl;
    }

    return 0;
}

运行结果

Fitted Line Parameters: [0.321031, 0.947069, 138.5, 508.667]