實現(xiàn)流程

• 假設(shè)有一個大小為100*?100的圖片，使用霍夫變換檢測圖片中的直線，則步驟如下所示：

直線都可以使用(ρ,θ) 表示，首先創(chuàng)建一個2D數(shù)組，我們叫做累加器，初始化所有值為0，行表示ρ，列表示θ。

該數(shù)組的大小決定了結(jié)果的準確性，若希望角度的精度為1度，那就需要180列。對于ρ，最大值為圖片對角線的距離，如果希望精度達到像素級別，行數(shù)應該與圖像的對角線的距離相等。

取直線上的第一個點(x,y)(x,y)，將其帶入直線在極坐標中的公式中，然后遍歷θ的取值：0，1，2，…，180，分別求出對應的ρ值，如果這個數(shù)值在上述累加器中存在相應的位置，則在該位置上加1.

取直線上的第二個點，重復上述步驟，更新累加器中的值。對圖像中的直線上的每個點都直線以上步驟，每次更新累加器中的值。

搜索累加器中的最大值，并找到其對應的(ρ,θ)，就可將圖像中的直線表示出來。

---

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

• img: 檢測的圖像，要求是二值化的圖像，所以在調(diào)用霍夫變換之前首先要進行二值化，或者進行Canny邊緣檢測

• rho、theta: ρ 和 θ的精確度

• threshold: 閾值，只有累加器中的值高于該閾值時才被認為是直線。

注意：該方法輸入是的二值化圖像，在進行檢測前要將圖像進行二值化處理

import numpy as np import random import cv2 as cv import matplotlib.pyplot as plt # 1.加載圖片，轉(zhuǎn)為二值圖 img = cv.imread('./1.png')gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY) edges = cv.Canny(gray, 530, 850)# 2.霍夫直線變換 lines = cv.HoughLines(edges, 0.1, np.pi / 90, 75)# 3.將檢測的線繪制在圖像上（注意是極坐標噢） for line in lines:rho, theta = line[0]a = np.cos(theta)b = np.sin(theta)x0 = a * rhoy0 = b * rhox1 = 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. 圖像顯示 plt.figure(figsize=(10, 8), dpi=100) plt.imshow(img[:, :, ::-1]), plt.title('霍夫變換直線檢測') plt.xticks([]), plt.yticks([]) plt.show()

原圖

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OpenCV 霍夫线检测的全部內(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。