霍夫直线检测

霍夫直线检测的原理  略

直接上代码：

一、首先导入图片，并进行高斯滤波降噪

src = cv.imread("D:/pythonTest/img/9.jpg")
cv.imshow("input",src)
src = cv.GaussianBlur(src,(3,3),0)

我用的是这幅图：

 

二、获取图像的轮廓

#获取边缘
edges = cv.Canny(src,150,300,apertureSize=3)
cv.imshow("edges",edges)

获取边缘后如下：

 

接下来有两种方法可以提取直线：

方法一：

lines = cv.HoughLines(edges,1,np.pi/180,130,None,0,0)
if lines is not None:
    for i in range(0,len(lines)):
        rho = lines[i][0][0]
        theta = lines[i][0][1]
        a = math.cos(theta)
        b = math.sin(theta)
        x0 = a*rho
        y0 = b*rho
        pt1 = (int(x0 + 1000*(-b)),int(y0+a*1000))
        pt2 = (int(x0 - 1000*(-b)),int(y0-a*1000))
        cv.line(src,pt1,pt2,(0,0,255),2,8,0)
cv.imshow("hough-lines",src)

中间这部分的获取极坐标的值并转化为平面直角坐标的过程 略。本菜鸡觉得只需要记住变化的代码就好了，比如记住pt1和pt2的公式。

重点：cv.HoughLines(edges,1,np.pi/180,130,None,0,0) 里的参数分别是：

（轮廓图，

步长[通常为1]，

角度单位[通常为np.pi/180]，

阈值[可以重点调整，相当于需要多少点拟合才算直线],

目标输出，

0[如果不是多尺度，一般为0],

0[如果不是多尺度，一般为0])

于是得到下图：

可以看到选出了部分直线，但效果有差距，可以通过调整阈值再做尝试

 

方法二：

image = np.copy(src)
lines_p = cv.HoughLinesP(edges,1,np.pi/180,130,None,50,10)
if lines_p is not None:
    for i in range(0,len(lines_p)):
        l = lines_p[i][0]
        cv.line(image,(l[0],l[1]),(l[2],l[3]),(0,0,255),2,8,0)
cv.imshow("hough-linesP",image)

重点：cv.HoughLinesP(edges,1,np.pi/180,130,None,50,10) 里的参数含义

（轮廓图，

步长[通常为1]，

角度单位[通常为np.pi/180]，

阈值[可以重点调整，相当于需要多少点拟合才算直线],

目标输出，

拟合直线的点不能小于的阈值[可以重点调整]，

间断的点不能大于的阈值[可以重点调整])

 

获得如下图：

这个是比较理想的车道线拟合了。