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 ∑ i ρ ( r i ) \sum_i \rho(r_i) ∑iρ(ri)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
ρ ( r ) = r 2 / 2 (最简单且最快的最小二乘法) \rho (r) = r^2/2 \quad \text{(最简单且最快的最小二乘法)} ρ(r)=r2/2(最简单且最快的最小二乘法)
- DIST_L1
ρ ( r ) = r \rho (r) = r ρ(r)=r
- DIST_L12
ρ ( r ) = 2 ⋅ ( 1 + r 2 2 − 1 ) \rho (r) = 2 \cdot ( \sqrt{1 + \frac{r^2}{2}} - 1) ρ(r)=2⋅(1+2r2−1)
- DIST_FAIR
ρ ( r ) = C 2 ⋅ ( r C − log ( 1 + r C ) ) where C = 1.3998 \rho \left (r \right ) = C^2 \cdot \left ( \frac{r}{C} - \log{\left(1 + \frac{r}{C}\right)} \right ) \quad \text{where} \quad C=1.3998 ρ(r)=C2⋅(Cr−log(1+Cr))whereC=1.3998
-
DIST_WELSCH
ρ ( r ) = C 2 2 ⋅ ( 1 − exp ( − ( r C ) 2 ) ) where C = 2.9846 \rho \left (r \right ) = \frac{C^2}{2} \cdot \left ( 1 - \exp{\left(-\left(\frac{r}{C}\right)^2\right)} \right ) \quad \text{where} \quad C=2.9846 ρ(r)=2C2⋅(1−exp(−(Cr)2))whereC=2.9846
-
DIST_HUBER
ρ ( r ) = { r 2 / 2 if r < C C ⋅ ( r − C / 2 ) otherwise \rho(r) = \begin{cases} r^2/2 & \text{if } r < C \\ C \cdot (r - C/2) & \text{otherwise} \end{cases} ρ(r)={r2/2C⋅(r−C/2)if r<Cotherwise
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]
相关文章：
)
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：C11 算法描述 拟合一条直线到2D点集。 该函数通过最小化 ∑ i ρ ( r i ) \sum_i \rho(r_i) ∑iρ(ri)来将一条直线拟合到2D点集，其中 ri 是第…...
k8s生成StarRocks集群模版
集群由1个fe3个be组成，满足以下要求： 1、由3个pod组成，每pod分配2c4g 2、第一个pod里有一个be与一个fe，同在一个容器里，fe配置jvm内存设置为1024mb，be的jvm内存设置为1024MB 3、第二第三个pod里分别有一…...
web基础+HTTP+HTML+apache
目录 一.web基础 1.1web是什么 1.2HTTP 1.2.1HTTP的定义 1.2.2 HTTP请求过程 1.2.3 HTTP报文 1 请求报文 2 响应报文 1.2.4 HTTP协议状态码 1.2.5 HTTP方法 1.2.6 HTTP协议版本 二.HTML CSS和JavaScript 2.1HTML 2.1.1HTML的概述 2.1.2 HTML中的部分基本标签&…...
C++修炼：list模拟实现
Hello大家好！很高兴我们又见面啦！给生活添点passion，开始今天的编程之路！ 我的博客：<但凡. 我的专栏：《编程之路》、《数据结构与算法之美》、《题海拾贝》、《C修炼之路》 欢迎点赞，关注&am…...
Lua 第12部分 日期和时间
Lua 语言的标准库提供了两个用于操作日期和时间的函数，这两个函数在 C 语言标准库中也存在，提供的是同样的功能。 虽然这两个函数看上去很简单，但依旧可以基于这些简单的功能完成很多复杂的工作。 Lua 语言针对日期和时间使用两种表示方式。 …...
NL2SQL调研
一 背景 1.1 引言 随着数据时代的到来，数据库已成为企业和组织存储、管理和分析数据的核心基础设施。然而，传统的数据库查询需要使用结构化查询语言（SQL），这要求用户具备特定的技术知识，限制了数据库的广…...
服务器ubuntu镜像磁盘空间怎么管理
在 Ubuntu 服务器上，管理镜像磁盘空间是系统维护中的一项关键任务，尤其是在使用虚拟化技术时(如 Docker、LVM、KVM 等)。合理管理磁盘空间可以有效防止磁盘空间不足，提升系统的稳定性和性能。本文将为你介绍如何在 Ubuntu 系统中有效管理镜像…...
uniapp+vue3表格样式
<view class"tableMain" v-if"state.use_scope2"><view class"tableBox"><view class"th"><view class"col">站点名称</view><view class"col">站点状态</view><vi…...
QT中的文件操作
C语言中通过fopen/fread/fwrite/fclose进行文件操作 C中通过fstream/>>/<</close进行文件操作 Linux中通过open/read/write/clos进行文件操作 Qt中同样可以使用上述文件操作 但是Qt同样封装了自己的一套文件操作，，在编写Qt程序时…...
Vue.js 核心特性解析：响应式原理与组合式API实践
引言 Vue.js 作为一款渐进式前端框架，凭借其简洁的API设计和灵活的组件化开发模式，已经成为现代Web开发的主流选择之一。本文将深入探讨Vue 3的核心特性，包括响应式系统原理、组合式API的使用以及实际开发中的最佳实践，帮助开发者…...
李沐动手深度学习（pycharm中运行笔记）——07.自动求导
07.自动求导（与课程对应） 1、导入torch import torch 2、假设我们想对函数 y 2x.Tx，就是 2乘x的内积，关于列向量x求导，也就是4x x torch.arange(4.0) # （1）创建一个列向量 x print("…...
Maven 使用教程
Maven 使用教程 Maven 是一个强大的项目管理和构建工具，主要用于 Java 项目的开发。它通过定义良好的生命周期、插件系统和依赖管理简化了项目的构建过程。本文将详细介绍如何使用 Maven 来进行日常的开发工作。 安装 Maven 下载 Maven 访问 Maven 的官方网站&a…...
ACM会议模板设置单排作者数量
在准备ACM会议的ready版本时涉及到作者设置，ACM会议模板的默认设置是每排三个作者，但是修改为四个一般是可以允许的，可能会节省一些空间。只需要在\documentclass[sigconf,authordraft]{acmart}后面添加代码\settopmatter{authorsperrow4}&am…...
云原生 | K8S中数据存储之StorageClass
在一个大规模的Kubernetes集群里,可能有成千上万个PVC,这就意味着运维人员必须实现创建出这个多个 PV,此外,随着项目的需要,会有新的PVC不断被提交,那么运维人员就需要不断的添加新的,满足要求的PV,否 则新的Pod就会因为PVC绑定不到PV而导致创建失败。而且通过 PVC 请求到一定的…...
衡量矩阵数值稳定性的关键指标：矩阵的条件数
文章目录 1. 定义2. 为什么要定义条件数？2.1 分析线性系统 A ( x Δ x ) b Δ b A(x \Delta x) b \Delta b A(xΔx)bΔb2.2 分析线性系统 ( A Δ A ) ( x Δ x ) b (A \Delta A)(x \Delta x) b (AΔA)(xΔx)b2.3 定义矩阵的条件数 3. 性质及几何意义3…...
蓝桥杯 1. 确定字符串是否包含唯一字符
确定字符串是否包含唯一字符 原题目链接 题目描述 实现一个算法来识别一个字符串的字符是否是唯一的（忽略字母大小写）。 若唯一，则输出 YES，否则输出 NO。 输入描述 输入一行字符串，长度不超过 100。 输出描述 输…...
【Vue】单元测试（Jest/Vue Test Utils）
个人主页：Guiat 归属专栏：Vue 文章目录 1. Vue 单元测试简介1.1 为什么需要单元测试1.2 测试工具介绍 2. 环境搭建2.1 安装依赖2.2 配置 Jest 3. 编写第一个测试3.1 组件示例3.2 编写测试用例3.3 运行测试 4. Vue Test Utils 核心 API4.1 挂载组件4.2 常…...
查回来的数据除了 id，其他字段都是 null
数据结构不完整：您收到的历史对话和知识库文件数据中，几乎所有重要的字段（除了id和title）都是null，包括userId、createdTime等关键字段。这会导致前端无法根据创建时间来正确分类显示（今天、7天内、更早&am…...
Flink02-学习-套接字分词
flatmap() AMapFunction仅适用于执行一对一转换的情况：对于每个进入的流元素，map()都会发出一个转换后的元素。否则，您需要使用 flatmap() DataStream<TaxiRide> rides env.addSource(new TaxiRideSource(...));DataStream<Enric…...
html5：从零构建经典游戏-扫雷游戏
扫雷是Windows系统自带的经典游戏，陪伴了许多人的童年。 本文将详细解析一个用HTML、CSS和JavaScript实现的扫雷游戏代码，带你了解其背后的实现原理。 游戏概述 这个扫雷游戏实现包含以下核心功能： 1010的游戏棋盘 15个随机分布的地雷 左…...
SVT-AV1源码分析-函数svt_aom_motion_estimation_kernel
一 svt_aom_motion_estimation_kernel函数作用 这段代码是EBSDK 中的一个运动估计 内核函数，用于处理视频编码中的运动估计任务。运动估计任务。运动估计是视频编码中的一个关键步骤，目的是在时间域上找到当前块在参考帧中的最佳匹配块，从而减…...
考研系列-计算机组成原理第六章、总线
一、总线概述 1.总线的基本概念 2.总线的分类 (1)按照传输格式 并行总线的传输速度并不一定比串行总线快，因为并行总线之间存在干扰，不能太快。 (2)按照总线功能 片内总线、系统总线、IO总线、通信总线...
HTML基础完全解析
一、HTML基本结构解析 1.1 文档骨架 <!DOCTYPE html> <html lang"zh-CN"> <head><meta charset"UTF-8"><title>文档标题</title> </head> <body>页面主体内容 </body> </html> dz…...
【读写视频】MATLAB详细代码
MATLAB将视频逐帧输出 在MATLAB中，可以使用VideoReader和imwrite函数将视频逐帧输出为图像文件。以下是具体步骤和示例代码： 读取视频并逐帧保存为图像 首先，使用VideoReader函数读取视频文件，然后使用read函数逐帧读取视频&am…...
NCCL 通信与调试
代码仓库 https://github.com/NVIDIA/nccl-tests 代码编译 编译 nccl-tests (MPI 版本): ” 编译支持 MPI 的 nccl-tests 是整合 nvcc, mpicc 和 NCCL 库的关键步骤 初始编译命令 (基于 README): cd /path/to/your/nccl-tests # 进入源码目录 make clean make MPI1 CUDA_HO…...
Linux 在个人家目录下添加环境变量 如FLINK_PROPERTIES=“jobmanager.rpc.address: jobmanager“
问题： Docker Flink Application Mode 命令行形式部署前，需要在Linux执行以下： $ FLINK_PROPERTIES"jobmanager.rpc.address: jobmanager" $ docker network create flink-network 临时变量只在当前session会话窗口生效…...
Linux中线程池的简单实现 -- 线程安全的日志模块，策略模式，线程池的封装设计，单例模式，饿汉式单例模式，懒汉式单例模式
目录 1. 对线程池的理解 1.1 基本概念 1.2 工作原理 1.3 线程池的优点 2. 日志与策略模式 2.1 日志认识 2.2 策略模式 2.2.1 策略模式的概念 2.2.2 工作原理 2.2 自定义日志系统的实现 3. 线程池设计 3.1 简单线程池的设计 3.2 线程安全的单例模式线程池的设计 3…...
【Web API系列】深入解析 Web Service Worker 中的 WindowClient 接口：原理、实践与进阶应用
前言 在现代 Web 开发领域中，Service Worker 技术已成为构建离线优先应用和实现高级缓存策略的核心支柱。作为 Service Worker API 体系中的重要组成部分，WindowClient 接口为开发者提供了对受控客户端窗口的精准控制能力。本文将从实际工程实践的角度出…...
哈希封装unordered_map和unordered_set的模拟实现
文章目录 （一）认识unordered_map和unordered_set（二）模拟实现unordered_map和unordered_set2.1 实现出复用哈希表的框架2.2 迭代器iterator的实现思路分析2.3 unordered_map支持[] （三）结束语 （…...
智诚科技苏州SOLIDWORKS授权代理商的卓越之选
在当今数字化转型浪潮中，SOLIDWORKS软件以其强大的功能和广泛的行业应用，成为企业迈向智能制造的有力工具。它不仅提供直观的3D建模环境，帮助企业设计师快速创建精准的3D模型，还涵盖了从概念设计到详细设计、从样品制作到最终产品…...
)
【网络原理】从零开始深入理解TCP的各项特性和机制.(二)
本篇博客给大家带来的是TCP/IP原理的知识点,重点以TCP为主,接续上篇. 🐎文章专栏: JavaEE初阶 🚀若有问题 评论区见 ❤ 欢迎大家点赞 评论 收藏 分享 如果你不知道分享给谁,那就分享给薯条. 你们的支持是我不断创作的动力 . 王子,公主请阅🚀 …...
51单片机所有寄存器介绍
51单片机所有寄存器介绍 作者将狼才鲸创建日期2025-04-27 参考资料：Intel官方《MCS-51 Programmer’s Guide and Instruction Set.pdf》CSDN阅读地址：51单片机所有寄存器介绍 一、前言 51单片机的寄存器和ARM不一样，有自己专有的名称&…...
4.27算法题
力扣649.Dota2 参议院 649. Dota2 参议院 Dota2 的世界里有两个阵营：Radiant（天辉）和 Dire（夜魇） Dota2 参议院由来自两派的参议员组成。现在参议院希望对一个 Dota2 游戏里的改变作出决定。他们以一个基于轮为过程…...
衡石科技：HENGSHI SENSE 数据权限解决方案
编写目的 本方案主要讲述 HENGSHI SENSE 的数据权限方案，即在 HENGSHI SENSE 系统中，通过同步企业内部的人员属性和组织架构等信息，实现企业内部的每一个用户对于业务数据的读取权限。 本方案的的预期读者为：HENGSHI SENSE 的…...
矩阵系统源码搭建热门音乐功能板块开发，支持OEM
在数字音乐蓬勃发展的当下，矩阵系统中的热门音乐功能板块成为吸引用户的重要部分。它不仅能为用户推荐当下流行的音乐，还能提升用户在系统中的活跃度和留存率。本文将通过详细的源码搭建过程，带你了解如何在矩阵系统中实现一个功能完备的热门…...
深入理解Android Activity生命周期
引言 在Android开发中，理解Activity的生命周期对于创建高效、稳定的应用程序至关重要。无论你是初学者还是资深开发者，掌握Activity生命周期的概念都能帮助你更好地管理资源、优化性能以及处理各种用户交互场景。本文将详细介绍Activity生命周期中的各个事件，并通过示例代码…...
【WEB3】web3.0是什么
互联网在不断发展。 我们即将翻开新的篇章，迎来翻天覆地的变化。 — Web 1.0 只能阅读信息。 它主要是供我们访问和阅读信息，只有极少数人可以真正发布内容。 — Web 2.0，即互联网目前所处的阶段，我们能够在网络上发布内容、建立…...
2025上海车展 | 移远通信重磅发布AR脚踢毫米波雷达，重新定义“无接触交互”尾门
4月25日，在2025上海国际汽车工业展览会期间，全球领先的物联网和车联网整体解决方案供应商移远通信宣布，其全新AR脚踢毫米波雷达RD7702AC正式发布。 该产品专为汽车尾门“无接触交互”设计，基于先进的毫米波技术，融合AR…...
ubuntu安装git及使用（本地git）
ubuntu安装git及使用教程（本地git） 1.ubuntu安装git1.1 查看自己的Ubuntu是否已经装有git1.2 下面进行介绍如何Ubuntu终端安装git （若已安装则可忽略） 2. 配置Git基本信息2.1 若不清楚是否配置的可使用如下命令查看2.2 未配置用户…...
数智读书笔记系列031《HIS内核设计之道——医院信息系统规划设计系统思维》书籍简介与读书笔记
一、作者与出版信息 作者团队（核心贡献者） 任连仲 身份：中国工程院院士（2022年当选），解放军总医院信息科原主任技术贡献： 主导“军字一号”系统架构设计（1997-2005年），支撑全国300余家三甲医院信息化建设提出“医疗数据语义网格”理论，获国家科技进步二等奖（2018年…...
——DateTimePicker控件解析)
WinForm真入门(18)——DateTimePicker控件解析
一、基本概念 DateTimePicker 是 Windows 窗体中用于选择日期和时间的控件，支持以下交互方式： 通过下拉日历选择日期通过上下按钮调整时间直接输入日期或时间 适用于需要规范日期格式、限制日期范围或快速输入的场景（如预约系统、数据…...
关于堆栈指针的那些事 | bootloader 如何跳转app
问题描述 堆栈指针的值通常存储在 App 的向量表（Vector Table）的第一个位置（0x08002000），为什么？ 在嵌入式系统中，堆栈指针（SP）的值存储在应用程序（App&…...
如何在 iPhone 上恢复已删除的联系人：简短指南
从 iPhone 中删除联系人相当容易，但如果您不小心删除了错误的联系人或丢失了所有联系人怎么办？这可能是任何智能手机用户都可能发生的最糟糕的噩梦之一。 如何在 iPhone 上恢复已删除的联系人 我个人在我的列表上看到几个用户发布关于他们如何丢失所有联…...
使用Aspose.Words将Word转换为HTML时，字体样式丢失问题及解决方法
使用Aspose.Words将Word转换为HTML时，字体样式丢失问题及解决方法 引言 ✨一、问题描述 📉二、问题分析 🔍三、解决方案 🛠️四、总结 🏁 引言 ✨ 在实际开发中，使用Aspose.Words将Word文档转换为HTML格式…...
更快的图像局部修改与可控生成：Flex.2-preview
Flex.2-preview 文本生成图像扩散模型介绍 一、模型简介 Flex.2-preview 是一种 开源的 80 亿参数文本生成图像扩散模型，具备通用控制和修复支持功能，是 Flex.1alpha 的下一代版本。该模型由社区开发并为社区服务，采用 Apache 2.0 许可证&a…...
汽车制造行业如何在数字化转型中抓住机遇？
近年来，随着新一轮科技革命和产业变革的深入推进，汽车制造行业正迎来一场前所未有的数字化转型浪潮。无论是传统车企还是新势力品牌，都在积极探索如何通过数字化技术提升竞争力、开拓新市场。那么，在这场变革中，汽车制…...
数据可视化 —— 直方图
一、前言 直方图（Histogram）是一种用柱状图形表示数据分布的统计图表，它将数据划分为连续的区间（称为“分箱”或“区间”），统计每个区间内的数据频数（或频率），并用柱形的…...
1、Linux操作系统下，ubuntu22.04版本切换中英文界面
切换中英文界面的方法很多，我也是按照一个能用的方法弄过来并且记录， 1.如果刚开始使用Ubuntu环境，桌面的语言环境为英文，需要安装中文简体的字体包 打开桌面终端，输入 sudo apt install language-pack-zh-hans lan…...
《MySQL 技术内幕-innoDB 存储引擎》笔记
💡 根据 遗忘曲线：如果没有记录和回顾，6天后便会忘记75%的内容 读书笔记正是帮助你记录和回顾的工具，不必拘泥于形式，其核心是：记录、翻看、思考::: 书名MySQL 技术内幕-innoDB 存储引擎作者姜承尧状态已读…...
C++ AVL树的实现
在上一篇博客我们学习了二叉搜索树的实现，现在我们开始手动实现AVL树。 二叉搜索树-CSDN博客 1.AVL树的概念 AVL树是最先发明的⾃平衡⼆叉查找树，AVL是⼀颗空树，或者具备下列性质的⼆叉搜索树：它的左右⼦树都是AVL树，…...