opencv视觉检测论文

假设有一条直线如下图：

在 笛卡儿平面坐标系 统中的斜率参数与截距参数为 （k，b） ；

对于 每个平面空间的像素点坐标（x，y） ， 随着 角度θ 的取值不同，都会 得到r值 ， （%+++%要点.B）而对于 任意一条直线 来说，在 极坐标空间 它的 （r，θ） 都是 固定不变的 ， 则对于 边缘图像 的 每个平面空间坐标点 可绘制 极坐标的曲线 如图所示：

OpenCV关于 霍夫直线变换 提供了两个相关API函数， 一个 是在霍夫空间求取 直线两个极坐标的参数 ， 需要开发者自己转换到平面坐标空间计算直线； 另外 一个则会 直接返回平面空间直线/线段的两个点坐标信息 。

返回极坐标参数的API函数如下：

使用该API实现直线检测：

以上的这个API函数需要对得到的每对 极坐标参数（r，θ） 做 计算 ， 使其 变换 到 平面空间 （ x0 = r * cosθ ; y0 = r * sinθ ）， 接着通过对 x0 和 y0 添加 偏移量 并进行计算，得到直线的 两个点 ； 然后 绘制直线 。

另外一个 API函数则比较简单， 它 省去了 开发者自己把极坐标变换为直线坐标的 过程 ， 直接返回 每个线段/直线对应的 两个点坐标 ， 其API函数与参数的解释具体如下：

使用该API实现图像直线检测：

运动目标的检测的其主要目的是 获取目标对象的运动参数（位置、速度、加速度等）及运动轨迹 ，通过进一步分析处理，实现对目标行为更高层级上的理解。 运动目标检测技术目的是 从序列图像中将变化区域从背景图像中提取出来 ，常用于视频监视、图像压缩、三维重构、异常检测等。

运动目标检测主流方法有帧差法、背景差法、光流法等。光流法源于 仿生学 思想，更贴近于直觉，大量昆虫的视觉机理便是基于光流法。 二十世纪五十年代心理学家Gibson在他的著作“The Perception of Visual World”中首次提出了以心理学实验为基础的光流法基本概念，而直到八十年代才由Horn、Kanade、Lucash和Schunck创造性地将灰度与二维速度场相联系，引入光流约束方程的算法，对光流计算做了奠基性的工作。

光流（optical flow）：由于目标对象或者摄像机的移动造成的图像对象在连续两帧图像中的移动。

通俗说，对于一个图片序列，把每张图像每个像素在连续帧之间的运动速度和方向（ 某像素点在连续两帧上的位移矢量 ）找出来就是光流场。

第t帧的时A点的位置是(x1, y1)，第t+1帧时A点位置是(x2,y2)，则像素点A的位移矢量：(ux, vy) = (x2, y2) - (x1,y1)

如何知道第t+1帧的时候A点的位置涉及到不同的光流计算方法，主要有四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。

光流法依赖于三个假设：

根据所形成的光流场中 二维矢量的疏密程度 ，光流法可分为稠密光流与稀疏光流。

稀疏光流只对有 明显特征的组点 （如角点）进行跟踪，计算开销小。

（1）calcOpticalFlowPyrLK 基于金字塔LK光流算法，计算某些点集的稀疏光流。 参考论文《Pyramidal Implementation of the Lucas Kanade Feature TrackerDescription of the algorithm》 （2）calcOpticalFlowFarneback 基于Gunnar Farneback 的算法计算稠密光流。 参考论文《Two-Frame Motion Estimation Based on PolynomialExpansion》 （3）CalcOpticalFlowBM 通过块匹配的方法来计算光流 （4）CalcOpticalFlowHS 基于Horn-Schunck 的算法计算稠密光流。 参考论文《Determining Optical Flow》 （5）calcOpticalFlowSF 论文《SimpleFlow: A Non-iterative, Sublinear Optical FlowAlgo》的实现

cvCanndy检测边缘并二值化图像,然后cvHoughLines2可以检测直线，在知道了直线的数据后，计算线之间的距离不是很简单吗，具体的代码只有参见网络上的代码了，比较简单，祝顺利