OpenCV 霍夫线检测

实现流程

• 假设有一个大小为100*∗100的图片，使用霍夫变换检测图片中的直线，则步骤如下所示：

直线都可以使用(ρ,θ) 表示，首先创建一个2D数组，我们叫做累加器，初始化所有值为0，行表示ρ，列表示θ。

该数组的大小决定了结果的准确性，若希望角度的精度为1度，那就需要180列。对于ρ，最大值为图片对角线的距离，如果希望精度达到像素级别，行数应该与图像的对角线的距离相等。

取直线上的第一个点(x,y)(x,y)，将其带入直线在极坐标中的公式中，然后遍历θ的取值：0，1，2，…，180，分别求出对应的ρ值，如果这个数值在上述累加器中存在相应的位置，则在该位置上加1.

取直线上的第二个点，重复上述步骤，更新累加器中的值。对图像中的直线上的每个点都直线以上步骤，每次更新累加器中的值。

搜索累加器中的最大值，并找到其对应的(ρ,θ)，就可将图像中的直线表示出来。

---

cv.HoughLines(img, rho, theta, threshold)

• img: 检测的图像，要求是二值化的图像，所以在调用霍夫变换之前首先要进行二值化，或者进行Canny边缘检测

• rho、theta: ρ 和 θ的精确度

• threshold: 阈值，只有累加器中的值高于该阈值时才被认为是直线。

注意：该方法输入是的二值化图像，在进行检测前要将图像进行二值化处理

import numpy as np
import random
import cv2 as cv
import matplotlib.pyplot as plt
# 1.加载图片，转为二值图
img = cv.imread('./1.png')

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 530, 850)

# 2.霍夫直线变换
lines = cv.HoughLines(edges, 0.1, np.pi / 90, 75)

# 3.将检测的线绘制在图像上（注意是极坐标噢）
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))
    cv.line(img, (x1, y1), (x2, y2), (0, 255, 0))

# 4. 图像显示
plt.figure(figsize=(10, 8), dpi=100)
plt.imshow(img[:, :, ::-1]),
plt.title('霍夫变换直线检测')
plt.xticks([]), plt.yticks([])
plt.show()

原图

霍夫变换直线检测