python hough变换检测直线的实现方法

1 原理

2 检测步骤

将参数空间(ρ,θ) 量化成m*n(m为ρ的等份数，n为θ的等份数)个单元，并设置累加器矩阵，初始值为0；

对图像边界上的每一个点（x,y）带入ρ=xcosθ+ysinθ，求得每个θ对应的ρ值，并在ρ和θ所对应的单元，将累加器加1，即：Q(i,j)=Q(i,j)+1；

检验参数空间中每个累加器的值，累加器最大的单元所对应的ρ和θ即为直角坐标系中直线方程的参数。

3 接口

image：二值图像，canny边缘检测输出。这里是result。
rho: 以像素为单位的距离精度，这里为1像素。如果想要检测的线段更多，可以设为0.1。
theta： 以弧度为单位的角度精度，这里为numpy.pi/180。如果想要检测的线段更多，可以设为0.01 * numpy.pi/180。
threshod: 阈值参数，int类型，超过设定阈值才被检测出线段，这里为10。
minLineLength：线段以像素为单位的最小长度。
maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔。

4 代码及结果

import os
import numpy as np
import cv2
from PIL import Image, ImageEnhance
import math
 
 
def img_processing(img):
  # 灰度化
  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
  # canny边缘检测
  edges = cv2.Canny(binary, 50, 150, apertureSize=3)
  return edges
 
 
def line_detect(img):
  img = Image.open(img)
  img = ImageEnhance.Contrast(img).enhance(3)
  # img.show()
  img = np.array(img)
  result = img_processing(img)
  # 霍夫线检测
  lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5)
  # print(lines)
  print("Line Num : ", len(lines))
 
  # 画出检测的线段
  for line in lines:
    for x1, y1, x2, y2 in line:
      cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 1)
    pass
  img = Image.fromarray(img, 'RGB')
  img.show()
 
 
if __name__ == "__main__":
  line_detect("1.jpg")
  pass

原图如下：

检测结果：

本文python hough变换检测直线的实现方法到此结束。没有改变，就没有成长，幸福的人都喜欢沉默。一向喋喋不休说自我如何幸福的人必须内心是虚弱的。当一个人内心足够强大时，说与不说，都已无用。最重要的是，选择最适合自我的方向，一意孤行走下去。找到生命中最确定的信息——那些相似的人或事物终会走到一齐，那些不相似的人或事物，终会背道而驰。小编再次感谢大家对我们的支持！