检测图像中行的一种好方法？

我写了一些使用OpenCV库检测草地上的白线的代码。 我需要某人对我使用的方法的看法（因为我确定有比我更好的方法）。 此外，我得到的结果不如我预期的那样好，因为图像中的细微变化需要调整参数（并且我需要在固定参数上操作）。

我的方法到目前为止：

从网络摄像头抓取图像（并明显变成灰度）

通过阈值过滤器运行（使用THRESH_TO_ZERO模式，其中它将阈值以下的任何像素清零）。

模糊图像

通过腐蚀过滤器运行

通过Canny边缘检测器运行

最后，取得这个处理后的图像，并找到使用概率霍夫变换HoughLinesP的线

我应该改变过滤器的顺序吗？

PS我并不太在意处理能力， 我正在GPU上运行HoughLinesP B-）

此外，这里是一个示例图像：

我得到的结果是：canny 没有canny（稍微调整参数）

任何帮助或指导，将不胜感激！ 我只是不知道该怎么做来改善它！

更新按照选定的答案使用一个非常快速的框架实现（模糊的吨）后，我得到了这个：

---

我会尝试使用图像的骨架表示。 你的canny的问题在于，它基本上由于线的宽度而导致两条线。

然后我会对它应用霍夫变换。

---

一种可能的解决方案是从Canny边缘检测中获取所有边缘点，并在这些点上使用线性最小方差（可能为迭代）拟合一条线。 这样你总是得到一条“最适合”边缘点的线条。 这种方法几乎没有涉及参数化。

---

我使用Canny进行室内图像处理，但对于户外，我发现更适合拉普拉斯滤波器和Sobel滤波器，而不是应用概率霍夫线变换（PHT）。

如果你想加粗你的线条，你应该在拉普拉斯和最后的PHT之后尝试Sobel算子。 如果你的图像太黑，可能会变得更糟。

链接地址: http://www.djcxy.com/p/79631.html

上一篇: A good approach for detecting lines in an image?

下一篇: Calculating distance to plane and square's corners from image