cv::ximgproc::FastLineDetector クラス

[161] で説明されているFLD (Fast Line Detector) アルゴリズムを実装したクラス。続き...

#include <opencv2/ximgproc/fast_line_detector.hpp>

Collaboration diagram for cv::ximgproc::FastLineDetector:

公開メンバ関数
virtual	~FastLineDetector ()
virtual void	detect (InputArray image, OutputArray lines)=0
	入力画像から線分を検出する。これは上に示した画像に対してアルゴリズムをデフォルトの引数で適用した出力である。
virtual void	drawSegments (InputOutputArray image, InputArray lines, bool draw_arrow=false, Scalar linecolor=Scalar(0, 0, 255), int linethickness=1)=0
	指定された画像上に線分を描画する。
Public Member Functions inherited from cv::Algorithm
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	アルゴリズムの状態をクリアする。
virtual bool	empty () const
	Algorithm が空の場合（たとえば開始直後や読み込みに失敗した後）に true を返す。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	ファイルストレージからアルゴリズムの引数を読み込む。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	アルゴリズムの引数をファイルストレージに保存する。
void	write (FileStorage &fs, const String &name) const

Additional Inherited Members
Static Public Member Functions inherited from cv::Algorithm
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	ファイルからアルゴリズムを読み込む。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	文字列からアルゴリズムを読み込む。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	ファイルノードからアルゴリズムを読み込む。
Protected Member Functions inherited from cv::Algorithm
void	writeFormat (FileStorage &fs) const

詳細説明

[161] で説明されているFLD (Fast Line Detector) アルゴリズムを実装したクラス。

#include <iostream>
 
#include "opencv2/imgproc.hpp"
#include "opencv2/ximgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
 
using namespace std;
using namespace cv;
using namespace cv::ximgproc;
 
int main(int argc, char** argv)
{
 string in;
 CommandLineParser parser(argc, argv, "{@input|corridor.jpg|input image}{help h||show help message}");
 if (parser.has("help"))
    {
        parser.printMessage();
 return 0;
    }
    in = samples::findFile(parser.get<string>("@input"));
 
 Mat image = imread(in, IMREAD_GRAYSCALE);
 
 if( image.empty() )
    {
        parser.printMessage();
 return -1;
    }
 
 // Create FLD detector
 // Param               Default value   Description
 // length_threshold    10            - Segments shorter than this will be discarded
 // distance_threshold  1.41421356    - A point placed from a hypothesis line
 //                                     segment farther than this will be
 //                                     regarded as an outlier
 // canny_th1           50            - First threshold for
 //                                     hysteresis procedure in Canny()
 // canny_th2           50            - Second threshold for
 //                                     hysteresis procedure in Canny()
 // canny_aperture_size 3            - Aperturesize for the sobel operator in Canny().
 //                                     If zero, Canny() is not applied and the input
 //                                     image is taken as an edge image.
 // do_merge            false         - If true, incremental merging of segments
 //                                     will be performed
 int length_threshold = 10;
 float distance_threshold = 1.41421356f;
 double canny_th1 = 50.0;
 double canny_th2 = 50.0;
 int canny_aperture_size = 3;
 bool do_merge = false;
 Ptr<FastLineDetector> fld = createFastLineDetector(length_threshold,
            distance_threshold, canny_th1, canny_th2, canny_aperture_size,
            do_merge);
    vector<Vec4f> lines;
 
 // Because of some CPU's power strategy, it seems that the first running of
 // an algorithm takes much longer. So here we run the algorithm 5 times
 // to see the algorithm's processing time with sufficiently warmed-up
 // CPU performance.
 for (int run_count = 0; run_count < 5; run_count++) {
 double freq = getTickFrequency();
        lines.clear();
 int64 start = getTickCount();
 // Detect the lines with FLD
        fld->detect(image, lines);
 double duration_ms = double(getTickCount() - start) * 1000 / freq;
        cout << "Elapsed time for FLD " << duration_ms << " ms." << endl;
    }
 
 // Show found lines with FLD
 Mat line_image_fld(image);
    fld->drawSegments(line_image_fld, lines);
    imshow("FLD result", line_image_fld);
    waitKey();
 
 return 0;
}

構築子と解体子の詳解

~FastLineDetector()

virtual cv::ximgproc::FastLineDetector::~FastLineDetector ( )

inlinevirtual

メンバ関数詳解

detect()

virtual void cv::ximgproc::FastLineDetector::detect ( InputArray image, OutputArray lines )

pure virtual

Python:
	cv.ximgproc.FastLineDetector.detect(	image[, lines]	) ->	lines

入力画像から線分を検出する。これは上に示した画像に対してアルゴリズムをデフォルトの引数で適用した出力である。

image

引数

image	グレースケール (CV_8UC1) の入力画像。roiのみを選択する必要がある場合は、次のように使用する： fld_ptr-\>detect(image(roi), lines, ...); lines += Scalar(roi.x, roi.y, roi.x, roi.y);
lines	線分の始点と終点を指定するVec4f要素のベクトル。Vec4fは (x1, y1, x2, y2) であり、point 1 が始点、point 2 が終点である。返される線分は、明るい側が左になるように向き付けられる。

drawSegments()

virtual void cv::ximgproc::FastLineDetector::drawSegments ( InputOutputArray image, InputArray lines, bool draw_arrow = false, Scalar linecolor = Scalar(0, 0, 255), int linethickness = 1 )

pure virtual

Python:
	cv.ximgproc.FastLineDetector.drawSegments(	image, lines[, draw_arrow[, linecolor[, linethickness]]]	) ->	image

指定された画像上に線分を描画する。

引数

image	ラインが描画される画像。ラインが検出された画像以上のサイズである必要がある。
lines	描画する必要があるラインのベクトル。
draw_arrow	true の場合、矢印の先端が描画される。
linecolor	線の色。
linethickness	線の太さ。

---

このクラス詳解は次のファイルから抽出されました:

• opencv2/ximgproc/fast_line_detector.hpp