python hough变换检测直线的实现方法

1 原理

 2 检测步骤

将参数空间(ρ,θ) 量化成m*n(m为ρ的等份数，n为θ的等份数)个单元，并设置累加器矩阵，初始值为0；

对图像边界上的每一个点（x,y）带入ρ=xcosθ+ysinθ，求得每个θ对应的ρ值，并在ρ和θ所对应的单元，将累加器加1，即：Q(i,j)=Q(i,j)+1；

检验参数空间中每个累加器的值，累加器最大的单元所对应的ρ和θ即为直角坐标系中直线方程的参数。

 3 接口

image：二值图像，canny边缘检测输出。这里是result。
rho: 以像素为单位的距离精度，这里为1像素。如果想要检测的线段更多，可以设为0.1。
theta： 以弧度为单位的角度精度，这里为numpy.pi/180。如果想要检测的线段更多，可以设为0.01 * numpy.pi/180。
threshod: 阈值参数，int类型，超过设定阈值才被检测出线段，这里为10。
minLineLength：线段以像素为单位的最小长度。
maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔。

4 代码及结果

import os
import numpy as np
import cv2
from PIL import Image, ImageEnhance
import math

def img_processing(img):
 # 灰度化
 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
 ret, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
 # canny边缘检测
 edges = cv2.Canny(binary, 50, 150, apertureSize=3)
 return edges

def line_detect(img):
 img = Image.open(img)
 img = ImageEnhance.Contrast(img).enhance(3)
 # img.show()
 img = np.array(img)
 result = img_processing(img)
 # 霍夫线检测
 lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5)
 # print(lines)
 print("Line Num : ", len(lines))

# 画出检测的线段
 for line in lines:
   for x1, y1, x2, y2 in line:
     cv2.line(img, (x1, y1), (x2, y2), (255, 0, 0), 1)
   pass
 img = Image.fromarray(img, 'RGB')
 img.show()

if __name__ == "__main__":
 line_detect("1.jpg")
 pass

原图如下：

检测结果：

来源：https://blog.csdn.net/wss794/article/details/93023013