【OpenCV】cv2.HoughLines()霍夫直线检测-Toy模板网

这篇具有很好参考价值的文章主要介绍了【OpenCV】cv2.HoughLines()霍夫直线检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【OpenCV】cv2.HoughLines()霍夫直线检测

0. 介绍

霍夫直线检测（Hough Line Transform）是一种在图像中检测直线的经典算法。它通过将二维图像空间中的点映射到极坐标空间中，将直线检测问题转化为在参数空间中找到交点的问题。

原理：

对于图像空间中的每个边缘点，计算其对应在极坐标空间中可能的直线。
极坐标空间中的直线由两个参数表示：极径（rho）和极角（theta）。
极径rho表示直线到图像中心的距离，极角theta表示直线与x轴的夹角。
极坐标空间中，使用累加器来记录每个参数组合的投票数，投票数高的参数组合表示在图像空间中存在一条直线。
根据设定的阈值，选择投票数高于阈值的直线参数作为检测结果。

应用：

边缘检测：霍夫直线检测常用于图像边缘检测后的处理，可以进一步分析并提取直线特征。
车道线检测：在自动驾驶和驾驶辅助系统中，霍夫直线检测被广泛应用于检测和识别道路上的车道线。
图像拼接：在全景图像拼接中，霍夫直线检测可以用于检测重叠区域的直线特征，并对图像进行对齐和融合。
文档分析：在文档图像处理中，霍夫直线检测可用于检测表格的边界、文字行的分割等任务。
工业自动化：霍夫直线检测可以应用于工业环境中的缺陷检测、位置定位等。

需要注意的是，霍夫直线检测对于噪声和图像质量较为敏感，可能需要进行图像预处理和参数调整来获取准确的直线检测结果。此外，霍夫直线检测还有一些改进算法，例如概率霍夫直线变换等，用于提高检测的效率和准确性。

1. 函数

cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines

参数：

lines：数组，每一个元素都是一条直线对应的(ρ, θ)，ρ以像素为单位，θ以弧度为单位。
image：输入图像，需要是二值图像，所以在应用hough变换之前应用阈值或canny边缘检测。
rho：ρ的精度。
theta：θ的精度。
threshold：阈值，得票数高于该值的线才被认为是线，由于投票数取决于线上的点数，所以它代表了应该被检测到的线的最小点数。

2. 代码

import cv2
import numpy as np
 
img = cv2.imread('a.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
 
lines = cv2.HoughLines(edges,1,np.pi/180,200)
for line in lines:
    rho,theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 1000*(-b))
    y1 = int(y0 + 1000*(a))
    x2 = int(x0 - 1000*(-b))
    y2 = int(y0 - 1000*(a))
 
    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)
 
cv2.imwrite('houghlines3.jpg',img)