【OpenCv 4 Python 3.7】直线检测

直线检测可以通过OpenCV的HoughLines和HoughLinesP函数来完成，它们仅有的差别是：第一个函数使用标准的Hough变换，第二个函数使用概率Hough变换，即只通过分析点的子集并估计这些点都属于一条直线的概率，这在计算速度上更快。

霍夫直线检测的两种方法

一:HoughLines方法

cv2.HoughLines函数输出的是[float, float]形式的ndarray，其中每个值表示检测到的线(ρ , θ)中浮点点值的参数。

第一个参数image：是canny边缘检测后的图像

第二个参数rho和第三个参数theta：对应直线搜索的步长。在本例中，函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线。

最后一个参数threshold：是经过某一点曲线的数量的阈值，超过这个阈值，就表示这个交点所代表的参数对(rho, theta)在原图像中为一条直线

二：HoughLinesP概率霍夫变换

（是加强版）使用简单，效果更好，检测图像中分段的直线（而不是贯穿整个图像的直线）
第一个参数是需要处理的原图像，该图像必须为cannay边缘检测后的图像；

第二和第三参数：步长为1的半径和步长为π/180的角来搜索所有可能的直线

第四个参数是阈值，概念同霍夫变换

第五个参数：minLineLength-线的最短长度，比这个线短的都会被忽略。

第六个参数：maxLineGap-两条线之间的最大间隔，如果小于此值，这两条线就会被看成一条线。
这个函数的返回值就是直线的起点和终点。

代码实现：

import cv2 as cv
import numpy as np


def line_detection(image):
    #转换成灰度图像
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    #canny边缘检测 apertureSize是sobel算子大小，只能为1,3,5，7
    edges = cv.Canny(gray, 50, 150, apertureSize=3)
    #cv2.HoughLines函数输出的是[float, float]形式的ndarray，
    # 其中每个值表示检测到的线(ρ , θ)中浮点点值的参数。
    #函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线
    lines = cv.HoughLines(edges, 1, np.pi/180, 200)
    for line in lines:
        print(type(lines)) #多维数组
        rho, theta = line[0]  #获取极值ρ长度和θ角度
        a = np.cos(theta) #获取角度cos值
        b = np.sin(theta) #获取角度sin值
        x0 = a * rho #获取x轴值
        y0 = b * rho
        #求出直线的四个点
        x1 = int(x0+1000*(-b)) #获取这条直线最大值点x1
        y1 = int(y0+1000*(a))  #获取这条直线最大值点y1
        x2 = int(x0-1000*(-b))  #获取这条直线最小值点x2
        y2 = int(y0-1000*(a)) #获取这条直线最小值点y2　　其中*1000是内部规则
        #绘制线 到原图上
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv.imshow("image-lines", image)


def line_detect_possible_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)
    #HoughLinesP 函数的返回值就是直线的起点和终点。
    lines = cv.HoughLinesP(edges, 1, np.pi/180, 100, minLineLength=50, maxLineGap=10)
    for line in lines:
        print(type(line))#多维数组
        x1, y1, x2, y2 = line[0]
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv.imshow("line_detect_possible_demo", image)


print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("D:/vcprojects/images/sudoku.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE) #创建GUI窗口,形式为自适应
cv.imshow("input image", src) #通过名字将图像和窗口联系
line_detect_possible_demo(src)

cv.waitKey(0) #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows()  #销毁所有窗口

HoughLines结果：

HoughLinesP结果：