霍夫线变换

霍夫变换通常用来提取图像的直线和圆等。

1.霍夫线变换

1.1原理

在笛卡尔坐标系下，两点能够确定一条直线。将y=kx+q改写为（k，q）表达式：

对应的变换通过图像可以表现为：

变换后的空间我们叫做霍夫空间。即:笛卡尔坐标系中的一条直线，对应于霍夫空间中的一个点。反过来，同样成立，霍夫空间中的一条线。对应于笛卡尔坐标系中一个点。如下所示:

对于三点的情况：

可以看出如果在笛卡尔坐标系的点共线，那么这些点在霍夫空间中对应的直线交于一点。如果不止存在一条直线时。如下所示:

对于上述直线的斜率存在的情况下，用直角坐标系容易解决。对于直线不存在，则需要采用极坐标。

在极坐标下是一样的，极坐标中的点对应于霍夫空间的线，这时的霍夫空间是不在是参数(k, ρ)的空间，而是(ρ,θ)的空间，ρ是原点到直线的垂直距离，θ表示直线的垂线与横轴顺时针方向的夹角，垂直线的角度为0度，水平线的角度是180度。

因此我们只需要得到霍夫空间中交点的位置，就可以求出原坐标系下的直线。

1.2霍夫线检测步骤

为了保存霍夫空间中交点的情况，可以使用二维数组进行保存。初始化所有的值均为0，行表示ρ，列表是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。
累加计算：将经过边缘检测的图像，取图像上（x,y）处的点。依次遍历θ从0，1，…180。带入极坐标公式下进行计算，在相应的位置上进行加一。
依次取图像上的点，重复进行上述操作，即可得到最终数组的情况，找到二维数组上大于指定阈值的点，该点就能就可以把图像中的直线给表示出来。

1.3代码实现

在霍夫线检测中，通常使用HoughLines和HoughLinesP两种算法，两种算法都具有不同的特点。其中HoughLines通常用来检测一条直线，HoughLinesP可以用来检测线段。

cv2.HoughLines(img,rho,theta,threshold)

img:要求是二值化图像或者进行canny边缘检测。
rho:距离r的精度，值越大，考虑越多的线
theta：距离theta的精度，值越小，考虑越多的线
threshold：累加阈值，值越小，考虑越多的线，高于该阈值，才认为是直线。
HoughLinesP对HoughLines算法进行了一些修正，是霍夫变换算法的优化。它没有考虑所有的点。相反，它只需要一个足以进行线检测的随机点子集即可。

cv2.HoughLinesp(IMG,1,np.pi/180,15,minLineLength=15，maxLineGap=50)

前四个参数与上述Api介绍的功能一致。
minLineLength:最短长度阈值，短于这个长度的线会被排除
maxLineGap:同一直线两点之间的最大距离

import numpy as np
import cv2

img = cv2.imread("img/lines.png",1)

img2 = np.copy(img)
edges = cv2.Canny(cv2.cvtColor(img,cv2.COLOR_BGR2GRAY), 50,150)


lines = cv2.HoughLines(edges, 1, np.pi / 180, 120)
print(lines)
for line in lines:
    rho , theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = rho * a
    y0 = rho * b
    x1 = int(x0 + 1000 * (-b))
    y1 = int(y0 + 1000 * a)
    x2 = int(x0 - 1000 * (-b))
    y2 = int(y0 - 1000 * a)
    cv2.line(img2, (x1, y1), (x2, y2), (0, 0, 255), 3)


cv2.imshow("res",np.hstack([img,img2]))
cv2.waitKey(0)

自定义简单的霍夫线代码实现：

def houghlines(img, threshold):
    theta = 180
    rtho = int(np.sqrt(img.shape[0] ** 2 + img.shape[1] ** 2))
    arr = np.zeros((rtho, theta), dtype=np.int32)
    height, width = img.shape[0:2]
    for i in range(height):
        for j in range(width):
            if img[i][j] != 0:
                for k in range(theta):
                    rou = int(j * np.cos(k * np.pi / 180) + i * np.sin(k * np.pi / 180))
                    arr[rou][k] = arr[rou][k] + 1
    line = []
    for i in range(len(arr)):
        for j in range(len(arr[i])):
            if arr[i][j] > threshold:
                line.append([i, j])
    return line