当前位置：首页 > article >正文

OpenCV与Qt5构建卡尺找直线工具

article 2025/1/23 7:21:55

文章目录

前言
一、卡尺边缘直线拟合概述
二、卡尺原理
三、1D边缘提取
四、直线拟合原理
五、软件实现
结束语

基于OpenCV与Qt5构建卡尺拟合直线工具

前言

博主近期基于海康Vision Master4.0做了一个工业视觉工程项目，其中就使用到了海康VM的找直线工具，然后博主根据其中的技术原理，也仿照开发了一个类似的功能，基于OpenCV和Qt5构建一个卡尺找直线的工具。卡尺找直线是在计算机视觉领域中常用的技术，用于检测图像中的图像，广泛应用于工业视觉等领域。
卡尺拟合圆工具可以参考博主写的利用OpenCV与Qt5构建卡尺找圆工具（C++实现）

一、卡尺边缘直线拟合概述

卡尺边缘直线拟合是一种常用的计算机视觉技术，用于在图像中检测和拟合出物体的直线边缘。其原理基于数学几何和统计学方法。

以下是卡尺边缘直线拟合的基本原理：

边缘检测：首先，在图像上进行边缘检测，将图像中的边缘信息提取出来。常用的边缘检测算法包括Sobel算子、Canny算子等。
卡尺滑动窗口：从图像中选择一个起始点，然后以固定的步长和方向移动一个小窗口（通常为一维），在窗口内计算边缘像素的梯度。
距离度量与拟合：对于每个窗口，通过距离度量函数（例如，最小二乘法）来衡量窗口内像素与直线之间的误差。最常见的距离度量函数是点到直线的距离。
迭代更新：迭代地调整窗口的位置，使得距离度量的误差最小化。这可以通过不断调整窗口的位置和方向来实现，直到达到收敛条件。
直线拟合：最终，当窗口移动到最佳拟合直线时，将窗口内的点拟合成一条直线模型。这可以通过拟合算法（如最小二乘法）来计算直线参数（如斜率和截距）。

通过上述步骤，卡尺边缘直线拟合可以有效地从图像中提取直线边缘信息，并拟合出相应的直线模型。这种方法在许多计算机视觉任务中都得到了广泛应用，如目标检测、线段提取、道路标线检测等。

二、卡尺原理

卡尺的原理就是找N个小矩形ROI里面的灰度值突变的地方。即：遍历每个小矩形ROI，分别找到1个点，这个点是灰度突变的峰值。然后把这N个点拟合成直线或者圆。

三、1D边缘提取

在这里插入图片描述

通过Qt5构建一个卡尺直线查找工具形状，由一个个矩形工具构建；
对平均灰度值（轮廓）进行高斯滤波，目的是让曲线更平滑，消除噪点；
对平滑后的轮廓求一阶导数；
根据设置的参数提取边缘点。

四、直线拟合原理

直线拟合是一种常见的数学方法，用于通过一组离散的数据点来估计并拟合一条直线模型。该方法可以在许多领域中应用，如统计学、机器学习和计算机视觉等。

以下是直线拟合的原理：

数据收集：首先，收集一组已知的数据点。这些数据点可以是实验观测值、样本数据或通过其他方式获取的数据。
确定拟合模型：对于直线拟合，我们假设所需拟合的模型为一条直线。直线模型可以用斜率（slope）和截距（intercept）来表示，即y = mx + b，其中m是斜率，b是截距。
损失函数选择：选择一个损失函数来度量观测点与拟合直线之间的误差。常见的损失函数是最小二乘法（Least Squares），即将每个观测点到直线的垂直距离的平方求和。
参数估计：通过最小化损失函数，找到最佳的直线参数（斜率和截距）。在最小二乘法中，可以通过公式计算得到闭合解，或者使用优化算法（如梯度下降）进行迭代优化。
模型评估：拟合直线后，可以对模型进行评估以确定其适用性和效果。常见的评估指标包括均方误差（Mean Squared Error），确定系数（Coefficient of Determination）等。