cvFitLine直线拟合函数的应用

OpenCV中 CvSeq 对象由以下语句生成

 //创建 CvSeq的容器对象

  CvMemStorage* storage = cvCreateMemStorage(0);

  // 创建 CvSeq对象
  // 第一个参数  生成后的序列的标志( 不甚解)
  // 第二个参数 队列（Sequence）头的Size
  // 第三个参数  节点的Size
  // 第四个参数  存储CvSeq的容器对象

 CvSeq* point_seq = cvCreateSeq( CV_32FC2, sizeof(CvSeq),sizeof(CvPoint2D32f), storage );

用完后，以下列形式释放内存

 cvClearSeq(point_seq);
 cvReleaseMemStorage(&storage);

向CvSeq中添加数据时：
cvSeqPush(point_seq, &cvPoint2D32f(x坐标,y坐标));

 FitLine函数的用法：

// 二维空间点拟合时 是 float[4]
// 三位空间点拟合时 是 float[6]
float *line = new float[4];

 // 第一个参数： 存储点序列
// 第二个参数： 拟合算法，其中 CV_DIST_L2 就是平常的最小二乘法
// 第三，第四，第五参数推荐值是0,   0.01,  0.01,
// 第六参数： line中存储返回值
// 二维空间时： line[0--3] 分别为 (vx, vy,x0, y0)
//     其中 vx， vy 是正规化之后的斜率向量。 x0,y0 是直线经过的点。
// 三维空间时：line[0--5]  分别是 (vx, vy,vz, x0, y0, z0) 。意义同上

cvFitLine(point_seq,CV_DIST_L2,0,0.01,0.01,line);

FitLine：2D 或 3D 点集的直线拟合 

void cvFitLine( const CvArr* points,    int dist_type,    double param,  double reps,   double aeps,   float* line );

points ：2D 或 3D 点集，32-比特整数或浮点数坐标 

dist_type ：拟合的距离类型 （见讨论）. 

param ：对某些距离的数字参数，如果是 0， 则选择某些最优值 

reps, aeps ：半径 (坐标原点到直线的距离) 和角度的精度，一般设为0.01。 

line ：输出的直线参数。2D 拟合情况下，它是包含 4 个浮点数的数组 (vx, vy, x0, y0)，其中 (vx, vy) 是线的单位向量而 (x0, y0) 是线上的某个点. 对 3D 拟合，它是包含 6 个浮点数的数组 (vx, vy, vz, x0, y0, z0)， 其中 (vx, vy, vz) 是线的单位向量，而 (x0, y0, z0) 是线上某点。 

函数 cvFitLine 通过求 sumi:ρ(ri) 的最小值方法，用 2D 或 3D 点集拟合直线，其中 ri 是第 i 个点到直线的距离， ρ(r) 是下面的距离函数之一： 

dist_type=CV_DIST_L2 (L2): ρ(r)=r2/2 (最简单和最快的最小二乘法) 

dist_type=CV_DIST_L1 (L1): ρ(r)=r 

dist_type=CV_DIST_L12 (L1-L2): ρ(r)=2?[sqrt(1+r2/2) - 1] 

dist_type=CV_DIST_FAIR (Fair): ρ(r)=C2?[r/C - log(1 + r/C)], C=1.3998 

dist_type=CV_DIST_WELSCH (Welsch): ρ(r)=C2/2?[1 - exp(-(r/C)2)], C=2.9846 

dist_type=CV_DIST_HUBER (Huber): ρ(r)= r2/2, if r < C; C?(r-C/2), otherwise; C=1.345 

opencv中随机数的生成
产生标准正态分布的随机数或矩阵的函数

一、概念
    1. 一般计算机的随机数都是伪随机数，以一个真随机数（种子）作为初始条件，然后用一定的算法迭代产生随机数序列。

    2. 随机数的“种子”就是产生随机数的第一次使用值，机制是通过一个比较复杂函数，将这个种子的值映射到随机数空间的某一个点上，并且产生的随机数均匀地（或者符合正态分布等）散步在空间中，以后产生的随机数都与前一个随机数有关。

    3. RNG : random number generation   随机数生成

二、opencv中的函数
1. CvRNG cvRNG(int64 seed);使用64位长整形种子，初始化随机数生成器状态。cvGetTickCount();

返回64位长整形的时间数据，在opencv中是为CvRNG设置的专用种子。

2. unsigned cvRandInt(CvRNG* rng);

返回均匀分布的随机32位无符号整型值，并更新RNG的状态 ； 使用模操作可以获得确定边界的整形数值。

3. double cvRandReal(CvRNG* rng);

返回均匀分布的随即浮点数，范围在0-1（不含1），并更新RNG的状态。

4. void cvRandArr( CvRNG* rng, CvArr* arr, int dist_type, CvScalar param1, CvScalar param2 );

用随机数填充数组，并更新RNG的状态
   arr  输出数组
   dist_type  分布类型：   CV_RAND_UNI - 均匀分布  ； CV_RAND_NORMAL - 正态分布 或者 高斯分布
   param1  分布的第一个参数。如果是均匀分布它是随机数范围的闭下边界。如果是正态分布它是随机数的平均值。
   param2  分布的第二个参数。如果是均匀分布它是随机数范围的开上边界。如果是正态分布它是随机数的标准差。

//#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <math.h>
int main()
{
IplImage* img = cvCreateImage( cvSize( 500, 500 ), 8, 3 );
CvRNG rng = cvRNG(-1); //cvRNG()跟一般的C语言srand()使用方法一样，要先给它一个种子，
//但srand()用到的是unsigned int的32位种子范围，而cvRNG()用的是64位长整数种子。
//初始化CvRNG资料结构，假如seed给0，它将会自动转成-1 cvRNG(64位种子)
cvNamedWindow( "fitline", 1 );
for(;;)
{
char key;
int i;
int count = cvRandInt(&rng)%100 + 1; //产生1-100 之间的数
int outliers = count/5; // 奇异点的个数。0--20 之间的数
printf("count = %d", count);
float a = cvRandReal(&rng)*200;  // 0~ 199 之间的浮点数 [cvRandReal 浮点型随机数并更新 RNG ,范围在 0..1 之间，不包括 。
float b = cvRandReal(&rng)*40; //返回0 ~ 39之间的数
float angle = cvRandReal(&rng)*CV_PI;  
printf("count = %f", angle);
float cos_a = cos(angle), sin_a = sin(angle);
printf("cos_a = %f", cos_a);
CvPoint pt1, pt2; //直线的两个端点
CvPoint* points = (CvPoint*)malloc( count * sizeof(points[0])); //存放随机产生的点点，数目为count
CvMat pointMat = cvMat( 1, count, CV_32SC2, points ); //点集, 存储count个随机点points
float line[4]; //输出的直线参数。2D 拟合情况下，它是包含 4 个浮点数的数组 (vx, vy, x0, y0)
              //其中 (vx, vy) 是线的单位向量而 (x0, y0) 是线上的某个点
float d, t;
b = MIN(a*0.3, b);
// generate some points that are close to the line
for( i = 0; i < count - outliers; i++ )
{
float x = (cvRandReal(&rng)*2-1)*a;
float y = (cvRandReal(&rng)*2-1)*b;
points[i].x = cvRound(x*cos_a - y*sin_a + img->width/2);
points[i].y = cvRound(x*sin_a + y*cos_a + img->height/2);
}
// generate "completely off" points
for( ; i < count; i++ )
{
points[i].x = cvRandInt(&rng) % img->width;
points[i].y = cvRandInt(&rng) % img->height;
}
// find the optimal line 曲线拟合
cvFitLine( &pointMat, CV_DIST_L1, 1, 0.001, 0.001, line ); 
cvZero( img );
//画出产生的随机分布的点点
for( i = 0; i < count; i++ )
cvCircle( img, points[i], 2, i < count - outliers ? CV_RGB(255, 0, 0) :CV_RGB(255,255,0), CV_FILLED, CV_AA, 0 );
// ... and the long enough line to cross the whole image
d = sqrt((double)line[0]*line[0] + (double)line[1]*line[1]);  //line[0 & 1]存储的是单位向量，所以d=1
//printf("\n %f\n", d);
line[0] /= d;
line[1] /= d;
//画出线段的两个端点(避免线太短，以线上一个随机点向两侧延伸line[0]*t )
t = (float)(img->width + img->height) ;
pt1.x = cvRound(line[2] - line[0]*t);
pt1.y = cvRound(line[3] - line[1]*t);
pt2.x = cvRound(line[2] + line[0]*t);
pt2.y = cvRound(line[3] + line[1]*t);
cvLine( img, pt1, pt2, CV_RGB(0,255,0), 3, CV_AA, 0 );
cvShowImage( "fitline", img );
cvSaveImage("result.jpg",img);
key = (char) cvWaitKey(0);
if( key == 27 || key == 'q' || key == 'Q' ) // 'ESC'
break;
free( points );
}
cvDestroyWindow( "fitline" );
return 0;
}