當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

【youcans 的 OpenCV 例程200篇】157. 霍夫变换直线检测

發(fā)布時間：2025/3/15 编程问答 25 豆豆

生活随笔收集整理的這篇文章主要介紹了【youcans 的 OpenCV 例程200篇】157. 霍夫变换直线检测小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

歡迎關(guān)注『youcans 的 OpenCV 例程 200 篇』系列，持續(xù)更新中
歡迎關(guān)注『youcans 的 OpenCV學(xué)習(xí)課』系列，持續(xù)更新中

【youcans 的 OpenCV 例程200篇】157. 霍夫變換直線檢測

2.9 霍夫變換

霍夫變換（Hough Transform）是圖像處理中重要的特征檢測技術(shù)，經(jīng)常用來檢測直線、曲線、圓和橢圓等特征形狀。

對于給定的特征形狀，算法在參數(shù)空間中通過計算累計空間的局部最大值，來獲取符合特征形狀的像素集合。也就是說，霍夫變換通過坐標(biāo)空間變換，將圖像空間中的特征形狀映射到參數(shù)空間的點上形成峰值，從而把特征形狀檢測問題轉(zhuǎn)化成了統(tǒng)計峰值問題。

以直線檢測為例。直線在直角坐標(biāo)系和極坐標(biāo)系下的表達(dá)式分別為：
$\ x + b \\ x \ cos \theta + y \ sin \theta = \rho$
直角坐標(biāo)系中通過點 $x_i, y_i)$ 的一條直線，在極坐標(biāo)系中對應(yīng)著一個點 $(ρθ,θ)(\rho_{\theta}, \theta)$ 。通過點 $x_i,y_i)$ 的直線有無數(shù)條，在極坐標(biāo)中系中對應(yīng)為一條正弦曲線。

將圖像中所有的點從直角坐標(biāo)系映射到極坐標(biāo)系中。如果兩個像素點在極坐標(biāo)系中對應(yīng)的兩條曲線相交與某點，就表明這兩個像素點在直角坐標(biāo)系中通過一條直線。極坐標(biāo)系中越多曲線相交于某點，則表明該點所表示的直角坐標(biāo)系中的直線包括越多的像素點。因此可以通過計算極坐標(biāo)系中經(jīng)過某點的曲線數(shù)量，來檢測直角坐標(biāo)系中對應(yīng)直線所包括的像素點的數(shù)量。

霍夫變換檢測直線的原理，就是在極坐標(biāo)系中追蹤圖像中每個點所對應(yīng)曲線的交點。如果經(jīng)過某點 $(ρθ,θ)(\rho_{\theta}, \theta)$ 的曲線數(shù)量大于設(shè)定的閾值，就認(rèn)為檢測到了圖像中的一條直線。

霍夫變換的具體實現(xiàn)步驟為：
（1）在參數(shù)空間 $(ρ,θ)(\rho, \theta)$ 建立一個二維數(shù)組作為累加器（計數(shù)器）；
（2）遍歷圖像中所有目標(biāo)（黑色）像素，將每一個目標(biāo)像素映射到參數(shù)空間的對應(yīng)點，對應(yīng)點的累加器加 1；
（3）求出參數(shù)空間中累加器的最大值，得到最大值點的位置 $(ρθ,θ)(\rho_{\theta}, \theta)$ ；
（4）將參數(shù)空間中的最大值點位置 $(ρθ,θ)(\rho_{\theta}, \theta)$ 映射回圖像空間，得到對應(yīng)的直線。

基于霍夫變換的邊緣連接的具體實現(xiàn)步驟為：
（1）通過邊緣檢測獲得一幅二值邊緣圖像；
（2）將參數(shù)空間 $(ρ,θ)(\rho, \theta)$ 劃分為若干個細(xì)分網(wǎng)格，作為累加器的單元；
（3）檢查像素高度集中的累加器單元的數(shù)量；
（4）檢查選中的累加器單元中像素間的關(guān)系。

OpenCV 支持三種不同的霍夫線變換：標(biāo)準(zhǔn)霍夫變換（Standard Hough Transform，SHT）、多尺度霍夫變換（Multi-Scale Hough Transform，MSHT）和累計概率霍夫變換（Progressive Probabilistic Hough Transform ，PPHT）。相關(guān)內(nèi)容將在特征提取章節(jié)詳細(xì)介紹，這里只簡單介紹標(biāo)準(zhǔn)霍夫變換。

OpenCV 提供了函數(shù) cv.HoughLines 實現(xiàn)標(biāo)準(zhǔn)霍夫變換查找二值圖像中的線條。

函數(shù)說明：

cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) → lines

參數(shù)說明：

image：輸入二值圖像，8-bit 單通道圖像
lines：直線檢測結(jié)果，形狀為 (n,1,2) 的Numpy 數(shù)組，每行兩個元素 (rho, theta)
rho：距離分辨率（以像素為單位）
theta：角度分辨率（弧度）
threshold：累加器（Accumulator）閾值，大于閾值的直線才會被檢測輸出
srn：可選項，多尺度霍夫變換變換中距離分辨率 rho 的除數(shù)
stn：可選項，多尺度霍夫變換變換中角度分辨率 theta 的除數(shù)
min_theta：可選項，檢查線條的最小角度，取值范圍 (0,max_theta)
max_theta：可選項，檢查線條的最大角度，取值范圍 (min_theta，pi)

注意事項：

函數(shù)參數(shù)中的 rho, theta 分別表示霍夫變換的距離分辨率、角度分辨率；而輸出結(jié)果 lines 中的 rho 是距圖像左上角 (0,0) 的距離，theta 為弧度表示的線旋轉(zhuǎn)角度。

例程 11.12：霍夫變換直線檢測

# 11.12 霍夫變換直線檢測img = cv2.imread("../images/Fig1034a.tif", flags=1) # flags=1 讀取為彩色圖像imgGray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)hImg, wImg = imgGray.shape# Canny 邊緣檢測， kSize 為高斯核大小，t1, t2為閾值大小ratio, low = 3, 120imgGauss = cv2.GaussianBlur(imgGray, (5, 5), 0)imgCanny = cv2.Canny(imgGauss, low, low*ratio)pEdge = np.where(imgCanny==255) # 所有的邊緣像素print(hImg, wImg, imgCanny.max(), imgCanny.min(), len(pEdge[0]))# # 霍夫線變換# # cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]])# # rho 距離分辨率（以像素為單位）, theta 角度分辨率（弧度）# # threshold 累加器閾值參數(shù)# # 返回：列表，形狀為 (n,1,2) 的 Numpy 數(shù)組，每個元素 (n,1,:) 表示直線參數(shù) rho, thetalines = cv2.HoughLines(imgCanny, 1, np.pi/180, threshold=120) # lines: (n, 1, 2)print(lines.shape, type(lines)) # (11,1,2)imgEdge = img.copy()for i in range(8):rho, theta = lines[i,0,:] # lines: (n,1,2)if (theta < (np.pi/4)) or (theta > (3*np.pi/4)): # 直線與圖像上下相交pt1 = (int(rho/np.cos(theta)), 0) # (x,0), 直線與頂側(cè)的交點pt2 = (int((rho - hImg * np.sin(theta))/np.cos(theta)), hImg) # (x,h), 直線與底側(cè)的交點cv2.line(imgEdge, pt1, pt2, (0, 0, 255)) # 繪制直線else: # 直線與圖像左右相交pt1 = (0, int(rho/np.sin(theta))) # (0,y), 直線與左側(cè)的交點pt2 = (wImg, int((rho - wImg * np.cos(theta))/np.sin(theta))) # (w,y), 直線與右側(cè)的交點cv2.line(imgEdge, pt1, pt2, (255, 0, 255), 1) # 繪制直線print(rho, theta, pt1, pt2)# 累積概率霍夫變換# # cv.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])# # rho 距離分辨率（以像素為單位）, theta 角度分辨率（弧度）# # threshold 累加器閾值參數(shù), minLineLength 最小直線長度, maxLineGap 最大允許間隔# # 返回：列表，每個元素是一個 4 元組，表示直線端點坐標(biāo) (x1, y1, x2, y2)minLineLength = 100 # 直線的最短長度maxLineGap = 20 # 線段之間最大間隔lines = cv2.HoughLinesP(imgCanny, 1, np.pi/180, 100, minLineLength, maxLineGap) # lines: (n,1,4)for line in lines:x1, y1, x2, y2 = line[0]cv2.line(imgEdge, (x1,y1), (x2,y2), (255, 215, 0), 2) # 繪制直線plt.figure(figsize=(9, 5))plt.subplot(131), plt.title("Origin"), plt.imshow(imgGray, cmap='gray'), plt.axis('off')plt.subplot(132), plt.title("Canny"), plt.imshow(imgCanny, cmap='gray'), plt.axis('off')plt.subplot(133), plt.title("Hough"), plt.imshow(cv2.cvtColor(imgEdge, cv2.COLOR_RGB2BGR)), plt.axis('off')plt.tight_layout()plt.show()

（本節(jié)完）

版權(quán)聲明：

youcans@xupt 原創(chuàng)作品，轉(zhuǎn)載必須標(biāo)注原文鏈接：(https://blog.csdn.net/youcans/article/details/124181211)

歡迎關(guān)注『youcans 的 OpenCV 例程 200 篇』系列，持續(xù)更新中
歡迎關(guān)注『youcans 的 OpenCV學(xué)習(xí)課』系列，持續(xù)更新中

【youcans 的 OpenCV 例程200篇】01. 圖像的讀取（cv2.imread）
【youcans 的 OpenCV 例程200篇】02. 圖像的保存（cv2.imwrite）
【youcans 的 OpenCV 例程200篇】03. 圖像的顯示（cv2.imshow）
【youcans 的 OpenCV 例程200篇】04. 用 matplotlib 顯示圖像（plt.imshow）
【youcans 的 OpenCV 例程200篇】05. 圖像的屬性（np.shape）
【youcans 的 OpenCV 例程200篇】06. 像素的編輯（img.itemset）
【youcans 的 OpenCV 例程200篇】07. 圖像的創(chuàng)建（np.zeros）
【youcans 的 OpenCV 例程200篇】08. 圖像的復(fù)制（np.copy）
【youcans 的 OpenCV 例程200篇】09. 圖像的裁剪（cv2.selectROI）
【youcans 的 OpenCV 例程200篇】10. 圖像的拼接（np.hstack）
【youcans 的 OpenCV 例程200篇】11. 圖像通道的拆分（cv2.split）
【youcans 的 OpenCV 例程200篇】12. 圖像通道的合并（cv2.merge）
【youcans 的 OpenCV 例程200篇】13. 圖像的加法運(yùn)算（cv2.add）
【youcans 的 OpenCV 例程200篇】14. 圖像與標(biāo)量相加（cv2.add）
【youcans 的 OpenCV 例程200篇】15. 圖像的加權(quán)加法（cv2.addWeight）
【youcans 的 OpenCV 例程200篇】16. 不同尺寸的圖像加法
【youcans 的 OpenCV 例程200篇】17. 兩張圖像的漸變切換
【youcans 的 OpenCV 例程200篇】18. 圖像的掩模加法
【youcans 的 OpenCV 例程200篇】19. 圖像的圓形遮罩
【youcans 的 OpenCV 例程200篇】20. 圖像的按位運(yùn)算
【youcans 的 OpenCV 例程200篇】21. 圖像的疊加
【youcans 的 OpenCV 例程200篇】22. 圖像添加非中文文字
【youcans 的 OpenCV 例程200篇】23. 圖像添加中文文字
【youcans 的 OpenCV 例程200篇】24. 圖像的仿射變換
【youcans 的 OpenCV 例程200篇】25. 圖像的平移
【youcans 的 OpenCV 例程200篇】26. 圖像的旋轉(zhuǎn)（以原點為中心）
【youcans 的 OpenCV 例程200篇】27. 圖像的旋轉(zhuǎn)（以任意點為中心）
【youcans 的 OpenCV 例程200篇】28. 圖像的旋轉(zhuǎn)（直角旋轉(zhuǎn)）
【youcans 的 OpenCV 例程200篇】29. 圖像的翻轉(zhuǎn)（cv2.flip）
【youcans 的 OpenCV 例程200篇】30. 圖像的縮放（cv2.resize）
【youcans 的 OpenCV 例程200篇】31. 圖像金字塔（cv2.pyrDown）
【youcans 的 OpenCV 例程200篇】32. 圖像的扭變（錯切）
【youcans 的 OpenCV 例程200篇】33. 圖像的復(fù)合變換
【youcans 的 OpenCV 例程200篇】34. 圖像的投影變換
【youcans 的 OpenCV 例程200篇】35. 圖像的投影變換（邊界填充）
【youcans 的 OpenCV 例程200篇】36. 直角坐標(biāo)與極坐標(biāo)的轉(zhuǎn)換
【youcans 的 OpenCV 例程200篇】37. 圖像的灰度化處理和二值化處理
【youcans 的 OpenCV 例程200篇】38. 圖像的反色變換（圖像反轉(zhuǎn)）
【youcans 的 OpenCV 例程200篇】39. 圖像灰度的線性變換
【youcans 的 OpenCV 例程200篇】40. 圖像分段線性灰度變換
【youcans 的 OpenCV 例程200篇】41. 圖像的灰度變換（灰度級分層）
【youcans 的 OpenCV 例程200篇】42. 圖像的灰度變換（比特平面分層）
【youcans 的 OpenCV 例程200篇】43. 圖像的灰度變換（對數(shù)變換）
【youcans 的 OpenCV 例程200篇】44. 圖像的灰度變換（伽馬變換）
【youcans 的 OpenCV 例程200篇】45. 圖像的灰度直方圖
【youcans 的 OpenCV 例程200篇】46. 直方圖均衡化
【youcans 的 OpenCV 例程200篇】47. 圖像增強(qiáng)—直方圖匹配
【youcans 的 OpenCV 例程200篇】48. 圖像增強(qiáng)—彩色直方圖匹配
【youcans 的 OpenCV 例程200篇】49. 圖像增強(qiáng)—局部直方圖處理
【youcans 的 OpenCV 例程200篇】50. 圖像增強(qiáng)—直方圖統(tǒng)計量圖像增強(qiáng)
【youcans 的 OpenCV 例程200篇】51. 圖像增強(qiáng)—直方圖反向追蹤
【youcans 的 OpenCV 例程200篇】52. 圖像的相關(guān)與卷積運(yùn)算
【youcans 的 OpenCV 例程200篇】53. Scipy 實現(xiàn)圖像二維卷積
【youcans 的 OpenCV 例程200篇】54. OpenCV 實現(xiàn)圖像二維卷積
【youcans 的 OpenCV 例程200篇】55. 可分離卷積核
【youcans 的 OpenCV 例程200篇】56. 低通盒式濾波器
【youcans 的 OpenCV 例程200篇】57. 低通高斯濾波器
【youcans 的 OpenCV 例程200篇】58. 非線性濾波—中值濾波
【youcans 的 OpenCV 例程200篇】59. 非線性濾波—雙邊濾波
【youcans 的 OpenCV 例程200篇】60. 非線性濾波—聯(lián)合雙邊濾波
【youcans 的 OpenCV 例程200篇】61. 導(dǎo)向濾波（Guided filter）
【youcans 的 OpenCV 例程200篇】62. 圖像銳化——鈍化掩蔽
【youcans 的 OpenCV 例程200篇】63. 圖像銳化——Laplacian 算子
【youcans 的 OpenCV 例程200篇】64. 圖像銳化——Sobel 算子
【youcans 的 OpenCV 例程200篇】65. 圖像銳化——Scharr 算子
【youcans 的 OpenCV 例程200篇】66. 圖像濾波之低通/高通/帶阻/帶通
【youcans 的 OpenCV 例程200篇】67. 空間域圖像增強(qiáng)的綜合應(yīng)用
【youcans 的 OpenCV 例程200篇】68. 空間域圖像增強(qiáng)的綜合應(yīng)用
【youcans 的 OpenCV 例程200篇】69. 連續(xù)非周期信號的傅立葉系數(shù)
【youcans 的 OpenCV 例程200篇】70. 一維連續(xù)函數(shù)的傅里葉變換
【youcans 的 OpenCV 例程200篇】71. 連續(xù)函數(shù)的取樣
【youcans 的 OpenCV 例程200篇】72. 一維離散傅里葉變換
【youcans 的 OpenCV 例程200篇】73. 二維連續(xù)傅里葉變換
【youcans 的 OpenCV 例程200篇】74. 圖像的抗混疊
【youcans 的 OpenCV 例程200篇】75. Numpy 實現(xiàn)圖像傅里葉變換
【youcans 的 OpenCV 例程200篇】76. OpenCV 實現(xiàn)圖像傅里葉變換
【youcans 的 OpenCV 例程200篇】77. OpenCV 實現(xiàn)快速傅里葉變換
【youcans 的 OpenCV 例程200篇】78. 頻率域圖像濾波基礎(chǔ)
【youcans 的 OpenCV 例程200篇】79. 頻率域圖像濾波的基本步驟
【youcans 的 OpenCV 例程200篇】80. 頻率域圖像濾波詳細(xì)步驟
【youcans 的 OpenCV 例程200篇】81. 頻率域高斯低通濾波器
【youcans 的 OpenCV 例程200篇】82. 頻率域巴特沃斯低通濾波器
【youcans 的 OpenCV 例程200篇】83. 頻率域低通濾波：印刷文本字符修復(fù)
【youcans 的 OpenCV 例程200篇】84. 由低通濾波器得到高通濾波器
【youcans 的 OpenCV 例程200篇】85. 頻率域高通濾波器的應(yīng)用
【youcans 的 OpenCV 例程200篇】86. 頻率域濾波應(yīng)用：指紋圖像處理
【youcans 的 OpenCV 例程200篇】87. 頻率域鈍化掩蔽
【youcans 的 OpenCV 例程200篇】88. 頻率域拉普拉斯高通濾波
【youcans 的 OpenCV 例程200篇】89. 帶阻濾波器的傳遞函數(shù)
【youcans 的 OpenCV 例程200篇】90. 頻率域陷波濾波器
【youcans 的 OpenCV 例程200篇】91. 高斯噪聲、瑞利噪聲、愛爾蘭噪聲
【youcans 的 OpenCV 例程200篇】92. 指數(shù)噪聲、均勻噪聲、椒鹽噪聲
【youcans 的 OpenCV 例程200篇】93. 噪聲模型的直方圖
【youcans 的 OpenCV 例程200篇】94. 算術(shù)平均濾波器
【youcans 的 OpenCV 例程200篇】95. 幾何均值濾波器
【youcans 的 OpenCV 例程200篇】96. 諧波平均濾波器
【youcans 的 OpenCV 例程200篇】97. 反諧波平均濾波器
【youcans 的 OpenCV 例程200篇】98. 統(tǒng)計排序濾波器
【youcans 的 OpenCV 例程200篇】99. 修正阿爾法均值濾波器
【youcans 的 OpenCV 例程200篇】100. 自適應(yīng)局部降噪濾波器
【youcans 的 OpenCV 例程200篇】101. 自適應(yīng)中值濾波器
【youcans 的 OpenCV 例程200篇】102. 陷波帶阻濾波器的傳遞函數(shù)
【youcans 的 OpenCV 例程200篇】103. 陷波帶阻濾波器消除周期噪聲干擾
【youcans 的 OpenCV 例程200篇】104. 運(yùn)動模糊退化模型
【youcans 的 OpenCV 例程200篇】105. 湍流模糊退化模型
【youcans 的 OpenCV 例程200篇】106. 退化圖像的逆濾波
【youcans 的 OpenCV 例程200篇】107. 退化圖像的維納濾波
【youcans 的 OpenCV 例程200篇】108. 約束最小二乘方濾波
【youcans 的 OpenCV 例程200篇】109. 幾何均值濾波
【youcans 的 OpenCV 例程200篇】110. 投影和雷登變換
【youcans 的 OpenCV 例程200篇】111. 雷登變換反投影重建圖像
【youcans 的 OpenCV 例程200篇】112. 濾波反投影重建圖像
【youcans 的 OpenCV 例程200篇】113. 形態(tài)學(xué)操作之腐蝕
【youcans 的 OpenCV 例程200篇】114. 形態(tài)學(xué)操作之膨脹
【youcans 的 OpenCV 例程200篇】115. 形態(tài)學(xué)操作之開運(yùn)算
【youcans 的 OpenCV 例程200篇】116. 形態(tài)學(xué)操作之閉運(yùn)算
【youcans 的 OpenCV 例程200篇】117. 形態(tài)學(xué)操作之頂帽運(yùn)算
【youcans 的 OpenCV 例程200篇】118. 形態(tài)學(xué)操作之底帽運(yùn)算
【youcans 的 OpenCV 例程200篇】119. 圖像的形態(tài)學(xué)梯度
【youcans 的 OpenCV 例程200篇】120. 擊中-擊不中變換
【youcans 的 OpenCV 例程200篇】121. 擊中-擊不中用于特征識別
【youcans 的 OpenCV 例程200篇】122. 形態(tài)算法之邊界提取
【youcans 的 OpenCV 例程200篇】123. 形態(tài)算法之孔洞填充
【youcans 的 OpenCV 例程200篇】124. 孔洞填充的泛洪算法
【youcans 的 OpenCV 例程200篇】125. 形態(tài)算法之提取連通分量
【youcans 的 OpenCV 例程200篇】126. 形態(tài)算法之凸殼
【youcans 的 OpenCV 例程200篇】127. 形態(tài)算法之細(xì)化
【youcans 的 OpenCV 例程200篇】128. 形態(tài)算法之骨架 (skimage)
【youcans 的 OpenCV 例程200篇】129. 形態(tài)算法之骨架 (重建開運(yùn)算)
【youcans 的 OpenCV 例程200篇】130. 形態(tài)學(xué)之提取水平和垂直線
【youcans 的 OpenCV 例程200篇】131. 形態(tài)學(xué)重建之豎線字符提取
【youcans 的 OpenCV 例程200篇】132. 形態(tài)學(xué)重建之孔洞填充算法
【youcans 的 OpenCV 例程200篇】133. 形態(tài)學(xué)重建之邊界清除
【youcans 的 OpenCV 例程200篇】134. 形態(tài)學(xué)重建之細(xì)胞計數(shù)
【youcans 的 OpenCV 例程200篇】135. 形態(tài)學(xué)重建之粒度測定
【youcans 的 OpenCV 例程200篇】136. 灰度腐蝕和灰度膨脹
【youcans 的 OpenCV 例程200篇】137. 灰度開運(yùn)算和灰度閉運(yùn)算原理
【youcans 的 OpenCV 例程200篇】138. 灰度開運(yùn)算和灰度閉運(yùn)算
【youcans 的 OpenCV 例程200篇】139. 灰度頂帽變換校正陰影
【youcans 的 OpenCV 例程200篇】140. 灰度底帽變換校正光照
【youcans 的 OpenCV 例程200篇】141. 灰度底帽變換的三維地形圖
【youcans 的 OpenCV 例程200篇】142. 基于灰度形態(tài)學(xué)的圖像平滑
【youcans 的 OpenCV 例程200篇】143. 基于灰度形態(tài)學(xué)的粒度測定
【youcans 的 OpenCV 例程200篇】144. 基于灰度形態(tài)學(xué)的紋理分割
【youcans 的 OpenCV 例程200篇】145. 形態(tài)學(xué)之邊緣和角點檢測
【youcans 的 OpenCV 例程200篇】146. 基于灰度形態(tài)學(xué)的復(fù)雜背景圖像重建
【youcans 的 OpenCV 例程200篇】147. 圖像分割之孤立點檢測
【youcans 的 OpenCV 例程200篇】148. 圖像分割之線檢測
【youcans 的 OpenCV 例程200篇】149. 圖像分割之邊緣模型
【youcans 的 OpenCV 例程200篇】150. 邊緣檢測梯度算子
【youcans 的 OpenCV 例程200篇】151. 邊緣檢測中的平滑處理
【youcans 的 OpenCV 例程200篇】152. 邊緣檢測之 LoG 算子
【youcans 的 OpenCV 例程200篇】153. 邊緣檢測之 DoG 算子
【youcans 的 OpenCV 例程200篇】154. 邊緣檢測之 Canny 算子
【youcans 的 OpenCV 例程200篇】155. 邊緣連接的局部處理方法
【youcans 的 OpenCV 例程200篇】156. 邊緣連接局部處理的簡化算法
【youcans 的 OpenCV 例程200篇】157. 霍夫變換直線檢測

總結(jié)

以上是生活随笔為你收集整理的【youcans 的 OpenCV 例程200篇】157. 霍夫变换直线检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。

上一篇：山东大学 2020级数据库系统实验七
下一篇：时间序列的预处理