基于OpenCV及C++库的X光图像直线检测与置信度评估咨询

阿华AIGC实验室

2026-5-21

X光图像直线检测的替代方案（带置信度）

针对X光图像的直线检测需求，除了经典的霍夫变换，这里有几个基于OpenCV/C++的可靠替代方案，同时附带置信度计算的实现思路和代码示例：

1. 直线段检测（LSD）—— 自带置信度输出

LSD（Line Segment Detector）是OpenCV内置的专门用于检测直线段的算法，它基于区域生长和边缘梯度分析，天生支持输出每条直线的置信度（反映直线段的可靠性），非常适合X光这类可能存在噪声和低对比度的图像。

实现代码

#include <opencv2/opencv.hpp>
#include <vector>
#include <iostream>
#include <iomanip>

using namespace cv;
using namespace std;

int main() {
    // 读取X光灰度图像
    Mat xray_img = imread("xray_sample.png", IMREAD_GRAYSCALE);
    if (xray_img.empty()) {
        cerr << "Failed to read X-ray image!" << endl;
        return -1;
    }

    // 创建LSD检测器，启用标准优化
    Ptr<LineSegmentDetector> lsd_detector = createLineSegmentDetector(LSD_REFINE_STD);
    vector<Vec4f> detected_lines;
    vector<double> line_confidences; // 存储每条直线的置信度

    // 执行检测，直接获取置信度数组
    lsd_detector->detect(xray_img, detected_lines, line_confidences);

    // 可视化结果并输出信息
    Mat result_img;
    cvtColor(xray_img, result_img, COLOR_GRAY2BGR);
    for (size_t i = 0; i < detected_lines.size(); ++i) {
        Vec4f line = detected_lines[i];
        // 绘制直线
        line(result_img, Point(line[0], line[1]), Point(line[2], line[3]), Scalar(0, 255, 0), 2);
        // 输出直线参数和置信度
        cout << "Line [" << i << "]: Start(" << line[0] << "," << line[1] 
             << ") End(" << line[2] << "," << line[3] 
             << ") Confidence: " << fixed << setprecision(2) << line_confidences[i] << endl;
    }

    imwrite("xray_lines_lsd.png", result_img);
    return 0;
}

置信度说明

LSD返回的line_confidences数组值范围在0-1之间，值越高表示该直线段的边缘一致性、支持区域越大，可靠性越强。

2. RANSAC鲁棒直线拟合—— 基于内点比例的置信度

如果需要检测长直线（比如骨骼的长边缘），RANSAC拟合是更鲁棒的选择。它通过随机采样点拟合直线，排除噪声点（outliers），并可以用内点占总边缘点的比例作为置信度。

实现代码

#include <opencv2/opencv.hpp>
#include <vector>
#include <random>
#include <iostream>
#include <iomanip>

using namespace cv;
using namespace std;

// 计算点到直线的欧氏距离
double calcPointLineDistance(Point2f point, Vec4f line) {
    float A = line[3] - line[1];
    float B = line[0] - line[2];
    float C = line[2] * line[1] - line[0] * line[3];
    return abs(A * point.x + B * point.y + C) / sqrt(A*A + B*B);
}

int main() {
    Mat xray_img = imread("xray_sample.png", IMREAD_GRAYSCALE);
    if (xray_img.empty()) { cerr << "Failed to read image!" << endl; return -1; }

    // 第一步：Canny边缘检测提取边缘点
    Mat edges;
    Canny(xray_img, edges, 40, 120); // 阈值可根据X光图像调整
    vector<Point2f> edge_points;
    for (int y = 0; y < edges.rows; ++y) {
        uchar* row_ptr = edges.ptr(y);
        for (int x = 0; x < edges.cols; ++x) {
            if (row_ptr[x] == 255) edge_points.emplace_back(x, y);
        }
    }
    if (edge_points.size() < 2) { cerr << "Too few edge points!" << endl; return -1; }

    // 第二步：RANSAC拟合直线
    int max_iter = 1000;
    double distance_threshold = 2.0; // 内点距离阈值
    Vec4f best_line;
    int max_inliers = 0;

    random_device rd;
    mt19937 rng(rd());
    uniform_int_distribution<int> point_dist(0, edge_points.size()-1);

    for (int i = 0; i < max_iter; ++i) {
        // 随机选择两个点构造直线
        int idx1 = point_dist(rng);
        int idx2 = point_dist(rng);
        while (idx1 == idx2) idx2 = point_dist(rng);
        Point2f p1 = edge_points[idx1];
        Point2f p2 = edge_points[idx2];
        Vec4f current_line = Vec4f(p1.x, p1.y, p2.x, p2.y);

        // 统计内点数量
        int inlier_count = 0;
        for (const auto& p : edge_points) {
            if (calcPointLineDistance(p, current_line) < distance_threshold) inlier_count++;
        }

        // 更新最优直线
        if (inlier_count > max_inliers) {
            max_inliers = inlier_count;
            best_line = current_line;
        }
    }

    // 计算置信度：内点占总边缘点的比例
    double confidence = static_cast<double>(max_inliers) / edge_points.size();
    cout << "Fitted Line: Start(" << best_line[0] << "," << best_line[1] 
         << ") End(" << best_line[2] << "," << best_line[3] 
         << ") Confidence: " << fixed << setprecision(2) << confidence << endl;

    // 可视化结果
    Mat result_img;
    cvtColor(xray_img, result_img, COLOR_GRAY2BGR);
    line(result_img, Point(best_line[0], best_line[1]), Point(best_line[2], best_line[3]), Scalar(0, 0, 255), 2);
    imwrite("xray_line_ransac.png", result_img);
    return 0;
}