【OpenCV学习】Bresenham算法

简介: 作者:gnuhpc 出处:http://www.cnblogs.com/gnuhpc/ /* * ===================================================================================== * * Filename: linebresenham2.

作者:gnuhpc
出处:http://www.cnblogs.com/gnuhpc/

/*
 * =====================================================================================
 *
 *       Filename:  linebresenham2.c
 *
 *    Description:  A program for bresenham ,any point you want
 *
 *        Version:  1.0
 *        Created:  01/08/2009 10:36:37 AM
 *       Revision:  none
 *       Compiler:  gcc
 *
 *         Author:  Futuredaemon (BUPT), gnuhpc@gmail.com
 *        Company:  BUPT_UNITED
 *
 * =====================================================================================
 */
#include <cv.h>
#include <highgui.h>
#include <cmath>
#include <cstring>
#include <cstdio>
#include <iostream>

using namespace std;


void Mouse( int event, int x, int y, int flags ,void *param);


void DRAW_LINE(CvPoint *p1, CvPoint *p2);
int CHECK_DIRECTION(char *str ,CvPoint *p1, CvPoint *p2);

void PUT_PIXEL_X(CvPoint *p1, CvPoint *p2,int &sx, int &sy,int &dx, int &dy);
void PUT_PIXEL_Y(CvPoint *p1, CvPoint *p2,int &sx, int &sy,int &dx, int &dy);


CvSize window={300,300};//窗口大小 

CvPoint p1;
CvPoint p2;
int number;
IplImage *imgA;

int main( int argc, char **argv)
{

  imgA = cvCreateImage(window,IPL_DEPTH_8U,3);
  cvSet (imgA, cvScalarAll (0), 0);


  cvNamedWindow("window",CV_WINDOW_AUTOSIZE);
  cvShowImage("window",imgA);

  cvSetMouseCallback("window", Mouse);


  cvWaitKey(0); 

  cvReleaseImage( &imgA );
  cvDestroyWindow("window");

  return 0;
}

void Mouse( int event, int x, int y, int flags ,void *param = NULL) //记录点
{

  switch (event)
    {

    case CV_EVENT_LBUTTONDOWN:

      if (number == 0)
        {
          printf("p1:(%d,%d) /n",x,y);
          cvSet (imgA, cvScalarAll (0), 0);
          cvShowImage("window",imgA);

          p1.x = x;
          p1.y = y;
          number++;

        }
      else if (number == 1)
        {
          printf("p2:(%d,%d) /n",x,y);
          puts("---------------");
          p2.x = x;
          p2.y = y;
          number =0;

          DRAW_LINE(&p1,&p2);

        }

      cvShowImage("window",imgA);

      break;

    }

}

void DRAW_LINE(CvPoint *p1, CvPoint *p2)
{

  /*初始值代入*/
  int dx = abs(p1->x - p2->x);
  int dy = abs(p1->y - p2->y);

  int sx = CHECK_DIRECTION("x",p1,p2); //方向決定(x軸)
  int sy = CHECK_DIRECTION("y",p1,p2);//方向決定(y軸)

  if (dx >= dy)
    {
      PUT_PIXEL_X(p1,p2,sx,sy,dx,dy);
    }
  else
    {
      PUT_PIXEL_Y(p1,p2,sx,sy,dx,dy);
    }

}


/*方向决定*/
int CHECK_DIRECTION(char *str ,CvPoint *p1, CvPoint *p2)
{

  if (strncmp(str,"x",1)== 0)
    {
      if (p1->x >= p2->x)
        {
          return -1;
        }
      else
        {
          return 1;
        }

    }
  else if (strncmp(str,"y",1)== 0)
    {
      if (p1->y >= p2->y)
        {
          return -1;
        }
      else
        {
          return 1;
        }
    }
  else
    {
      printf("CHECK_DIRECTION is fault./n");
      std::exit(0);
    }

}


/*X軸方向画线*/
void PUT_PIXEL_X(CvPoint *p1, CvPoint *p2,int &sx, int &sy ,int &dx, int &dy)
{

  int a = 2*dy;
  int a1= a-2*dx;
  int e = a - dx;

  int x = p1->x;
  int y = p1->y;

  for (x = p1->x; (sx >=0 ? x<= p2->x : x>=p2->x) ;x+=sx) 
    {
      imgA->imageData[y*imgA->widthStep + x*3] = (signed char)255;
      imgA->imageData[y*imgA->widthStep + x*3+1] = (signed char)255;
      imgA->imageData[y*imgA->widthStep + x*3+2] = (signed char)255;

      if (e>=0)
        {
          y+=sy;
          e += a1;
        }
      else
        {
          e+=a;
        }
    }

}

/*Y軸方向画线*/
void PUT_PIXEL_Y(CvPoint *p1, CvPoint *p2,int &sx, int &sy ,int &dx, int &dy)
{
  int a = 2*dx;
  int a1= a-2*dy;
  int e = a - dy;

  int x = p1->x;
  int y = p1->y;

  for (y = p1->y; (sy >=0 ? y<= p2->y : y>=p2->y) ;y+=sy)
    {

      imgA->imageData[y*imgA->widthStep + x*3] = (signed char)255;
      imgA->imageData[y*imgA->widthStep + x*3+1] = (signed char)255;
      imgA->imageData[y*imgA->widthStep + x*3+2] = (signed char)255;

      if (e>=0)
        {
          x+=sx;
          e += a1;
        }
      else
        {
          e+=a;
        }

    }
}

作者:gnuhpc
出处:http://www.cnblogs.com/gnuhpc/


               作者:gnuhpc
               出处:http://www.cnblogs.com/gnuhpc/
               除非另有声明,本网站采用知识共享“署名 2.5 中国大陆”许可协议授权。


分享到:

目录
相关文章
|
1月前
|
存储 算法 安全
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
数据结构与算法系列学习之串的定义和基本操作、串的储存结构、基本操作的实现、朴素模式匹配算法、KMP算法等代码举例及图解说明;【含常见的报错问题及其对应的解决方法】你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
2024重生之回溯数据结构与算法系列学习之串(12)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丟脸好嘛?】
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【EMNLP2024】基于多轮课程学习的大语言模型蒸馏算法 TAPIR
阿里云人工智能平台 PAI 与复旦大学王鹏教授团队合作,在自然语言处理顶级会议 EMNLP 2024 上发表论文《Distilling Instruction-following Abilities of Large Language Models with Task-aware Curriculum Planning》。
|
1月前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习(8)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1月前
|
算法 安全 搜索推荐
2024重生之回溯数据结构与算法系列学习之单双链表精题详解(9)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第2.3章之IKUN和I原达人之数据结构与算法系列学习x单双链表精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
1月前
|
算法 安全 NoSQL
2024重生之回溯数据结构与算法系列学习之栈和队列精题汇总(10)【无论是王道考研人还是IKUN都能包会的;不然别给我家鸽鸽丢脸好嘛?】
数据结构王道第3章之IKUN和I原达人之数据结构与算法系列学习栈与队列精题详解、数据结构、C++、排序算法、java、动态规划你个小黑子;这都学不会;能不能不要给我家鸽鸽丢脸啊~除了会黑我家鸽鸽还会干嘛?!!!
|
7天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。
|
13天前
|
机器学习/深度学习 算法 Serverless
基于WOA-SVM的乳腺癌数据分类识别算法matlab仿真,对比BP神经网络和SVM
本项目利用鲸鱼优化算法(WOA)优化支持向量机(SVM)参数,针对乳腺癌早期诊断问题,通过MATLAB 2022a实现。核心代码包括参数初始化、目标函数计算、位置更新等步骤,并附有详细中文注释及操作视频。实验结果显示,WOA-SVM在提高分类精度和泛化能力方面表现出色,为乳腺癌的早期诊断提供了有效的技术支持。
|
9天前
|
算法
基于GA遗传算法的PID控制器参数优化matlab建模与仿真
本项目基于遗传算法(GA)优化PID控制器参数,通过空间状态方程构建控制对象,自定义GA的选择、交叉、变异过程,以提高PID控制性能。与使用通用GA工具箱相比,此方法更灵活、针对性强。MATLAB2022A环境下测试,展示了GA优化前后PID控制效果的显著差异。核心代码实现了遗传算法的迭代优化过程,最终通过适应度函数评估并选择了最优PID参数,显著提升了系统响应速度和稳定性。
|
6天前
|
算法
基于WOA鲸鱼优化的购售电收益与风险评估算法matlab仿真
本研究提出了一种基于鲸鱼优化算法(WOA)的购售电收益与风险评估算法。通过将售电公司购售电收益风险计算公式作为WOA的目标函数,经过迭代优化计算出最优购电策略。实验结果表明,在迭代次数超过10次后,风险价值收益优化值达到1715.1万元的最大值。WOA还确定了中长期市场、现货市场及可再生能源等不同市场的最优购电量,验证了算法的有效性。核心程序使用MATLAB2022a实现,通过多次迭代优化,实现了售电公司收益最大化和风险最小化的目标。
|
10天前
|
算法
通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
本项目使用MATLAB2022A版本,对比分析了PSO、反向学习PSO及多策略改进反向学习PSO三种优化算法的性能,主要通过优化收敛曲线进行直观展示。核心代码实现了标准PSO算法流程,加入反向学习机制及多种改进策略,以提升算法跳出局部最优的能力,增强全局搜索效率。

热门文章

最新文章