• OpenCV | 直线拟合fitline函数(Python)


    简介
    之前做直线拟合时,自己写了一个利用最小二乘做直线拟合的程序,但是由于直线检测的误差比较大,拟合的效果并不好。个人不知道是什么原因,因此想尝试更改一下直线拟合的算法,后来找到了OpenCV中的fitline函数,也是一个距离最小化函数,它完全包含了最小二乘法。由于网上没有找到相关的与python有关的资源,这里总结如下。

    1. 函数调用
    python3中fitline函数的调用形式如下:

    import cv2
    output = cv2.fitLine(InputArray  points, distType, param, reps, aeps)

    参数定义:
    a. 输入参数:
    InputArray Points: 待拟合的直线的集合,必须是矩阵形式;
    distType: 距离类型。fitline为距离最小化函数,拟合直线时,要使输入点到拟合直线的距离和最小化。这里的** 距离**的类型有以下几种:

    cv2.DIST_USER : User defined distance
    cv2.DIST_L1: distance = |x1-x2| + |y1-y2|
    cv2.DIST_L2: 欧式距离,此时与最小二乘法相同
    cv2.DIST_C:distance = max(|x1-x2|,|y1-y2|)
    cv2.DIST_L12:L1-L2 metric: distance = 2(sqrt(1+x*x/2) - 1))
    cv2.DIST_FAIR:distance = c^2(|x|/c-log(1+|x|/c)), c = 1.3998
    cv2.DIST_WELSCH: distance = c2/2(1-exp(-(x/c)2)), c = 2.9846
    cv2.DIST_HUBER:distance = |x|

    param: 距离参数,跟所选的距离类型有关,值可以设置为0。
    reps, aeps: 第5/6个参数用于表示拟合直线所需要的径向和角度精度,通常情况下两个值均被设定为1e-2.

    b. 输出结果:
    output : 对于二维直线,输出output为4维,前两维代表拟合出的直线的方向,后两位代表直线上的一点。(即通常说的点斜式直线)

    备注:
    函数说明部分参考C++中 cv:: fitLine()介绍。

    2. 实例程序
    功能: 实现几条直线的直线拟合,输出为拟合后直线点的斜率k和偏移b.

    代码:

    def Cal_kb_linear_fitline(data_line1):

        loc = [] # 坐标
        for line in data_line1:
            x1, y1, x2, y2 = line[0]
            loc.append([x1,y1])
            loc.append([x2,y2])
        loc = np.array(loc) # loc 必须为矩阵形式,且表示[x,y]坐标

        output = cv2.fitLine(loc, cv2.DIST_L2, 0, 0.01, 0.01)

        k = output[1] / output[0]
        b = output[3] - k[key] * output[2]

        return k,b

    这里,data_line1 表示直线检测出的直线的数据。
    若只是想实现几个点坐标的直线拟合,把第3-8行去掉并把参数输入改为loc即可。

    3. RLS直线拟合(不用fitline函数)
    简介中提过,在用fitline函数之前,实现了N条直线的最小二乘直线拟合,同样展示程序如下:
    ————————————————

                                版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
                            
    原文链接:https://blog.csdn.net/lovetaozibaby/article/details/99482973

    备注:
    注意,这里是N条直线的直线拟合,拟合思路为提取N条直线的坐标点,然后进行点的直线拟合。

  • 相关阅读:
    今天公司来了个拿 30K 出来的测试,算是见识到了基础的天花板
    C#多线程之线程基础篇
    电机带宽的形象理解
    HTB-Validation
    4.typescript循环
    stack和queque
    英语四级XYZ字母开头单词+托福高频单词
    Stable Diffusion:最先进的文本生成图像模型
    设计模式——11. 享元模式
    2022蓝帽杯半决赛
  • 原文地址:https://blog.csdn.net/mao0514/article/details/136455874