OpenCV 學習（直線擬合

hough 變換可以提取影象中的直線。但是提取的直線的精度不高。而很多場合下，我們需要精確的估計直線的引數，這時就需要進行直線擬合。

直線擬合的方法很多，比如一元線性回歸就是一種最簡單的直線擬合方法。但是這種方法不適合用於提取影象中的直線。因為這種演算法假設每個資料點的x 座標是準確的，y 座標是帶有高斯雜訊的。可實際上，影象中的每個資料點的xy 座標都是帶有雜訊的。

下面就來講講適用於提取影象中直線的直線擬合演算法。

乙個點到直線的距離用來表示。

所謂直線擬合，就是找到一條直線，使得：

最小。是距離函式。函式取不同的形式，對應不同的直線擬合方法。opencv 中支援 6 種不同的函式形式。分別是：

cv_dist_l2

這種方法是以距離平方和為擬合判據。也就是常見的最小二乘擬合演算法，執行速度也最快。但是這個演算法也有個很大的問題，就是當干擾點離直線較遠時，乙個干擾點就可能將整條擬合直線拉偏了。簡單的說就是對干擾點的魯棒性不夠。所以後來又提出了其他的函式。

cv_dist_l1

cv_dist_l12

cv_dist_fair

其中 c = 1.3998

cv_dist_welsch

其中 c = 2.9846

cv_dist_huber

來表示，那麼 k = line[1]/line[0]，b = line[3] - k * line[2]。

如果直線用來表示，那麼

影象中有一條直線和一些干擾圖案。

下面的**可以從影象中提取出需要的座標點。

std::vectorgetpoints(cv::mat &image, int value)}}
return points;
}

下面的**可以在圖中畫一條直線。

void drawline(cv::mat &image, double theta, double rho, cv::scalar color)
else
}

下面的**是程式的主體。

如果直線擬合型別選擇 cv_dist_l2。那麼效果就沒這麼好了。**不貼了，就貼個結果。