直线拟合算法 代码实现 opencv C++

直线拟合算法通常用于图像处理和数据分析中，目的是找出数据点的最佳直线模型，如最小二乘法（Least Squares Regression）。在OpenCV库中，C++提供了一些函数来简化这个过程。下面是一个基本的最小二乘线性回归的例子，使用`cv::fitLine()`函数：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

void linearRegression(Mat src, Mat &dst) {
    // 假设src是一个灰度图像，转换为二维数组
    std::vector<Point2f> points;
    for (int i = 0; i < src.rows; ++i) {
        for (int j = 0; j < src.cols; ++j) {
            if (src.at<uchar>(i, j) != 0) { // 挑选非零像素作为点
                points.push_back(Point2f(j, i));
            }
        }
    }

    LineFit fit;
    fit.fit(points); // 使用最小二乘法拟合

    double a = fit.m[0], b = fit.m[1]; // 斜率和截距
    line(dst, Point(), Point(src.cols - 1, int(a * src.cols + b)), Scalar(0, 255, 0), 2);
}

int main(int argc, char** argv) {
    Mat img = imread("your_image_path.jpg", IMREAD_GRAYSCALE); // 加载图像
    if (!img.data) {
        std::cout << "Error loading image" << std::endl;
        return -1;
    }

    Mat output;
    linearRegression(img, output);

    namedWindow("Output", WINDOW_NORMAL);
    imshow("Output", output);
    waitKey(0);
    return 0;
}

在这个例子中，我们首先从图像中提取像素值，并选择非零像素作为线性回归的数据点。然后使用`cv::LineFit`类的`fit()`方法进行拟合，得到最佳的斜率和截距。最后，在新创建的`output`图像上绘制出拟合的直线。