Python Hough变换检测直线的实现方法

Hough 变换是一种在图像处理中常用的技术，可以用来检测直线等形状，它的基本思路是将直角坐标系中的点映射到极坐标系中，在极坐标系中，一条直线对应着一个点，在极坐标系中检测直线等形状比在直角坐标系中更方便。python 提供了很多库可以实现 Hough 变换检测直线，本文将介绍其中的 hough_lines 和 hough_lines_p 两个函数的用法。

安装

在使用之前，需要在python中安装相应的库，其中最重要的是 OpenCV 库，在终端中输入以下命令可以安装 OpenCV 库，其它库都可以通过pip命令安装：

pip install opencv-python numpy matplotlib

hough_lines

基本方法

hough_lines 函数可以直接通过 OpenCV 库的 cv2.HoughLines() 调用。这个函数的主要参数是二值化后的图像，第二个参数是ρ 的精度，第三个参数是θ 的精度。ρ 是指从原点到直线的垂线距离，θ 是直线与 x 轴正方向的直线夹角，第四个参数是阈值，即检测到的直线的数量。

import cv2
import numpy as np

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
lines = cv2.HoughLines(edges,1,np.pi/180,200)

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))
    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

cv2.imshow('Edges',edges)
cv2.imshow('Result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个功能非常简单，以下是对代码的解释。首先进行 Canny 边缘检测，并将图像转换为灰度图像：

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)

然后使用 cv2.HoughLines() 检测图像中的直线：

lines = cv2.HoughLines(edges,1,np.pi/180,200)

其中，第一个参数 edges 是一张二值化过的图像， 二值化后的灰度图像所显示的所有边缘都被运算了 Hough 变换，第二个和第三个参数分别代表单位长度的精度，在这里以像素为单位。第四个参数是在 滤波阈值内检测出来的直线才会被绘制，这个参数越大， 要求的线段就越为明显，如果滤波阈值是一个极小值（比如 20）， 使用其他图片时就极少会检测出线段。

接下来，使用 for 循环遍历找到的每条直线，然后将其显示在原图上：

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))
    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

最后，使用 cv2.imshow() 将两张图像显示出来：

cv2.imshow('Edges',edges)
cv2.imshow('Result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例

在这个示例中，我们将运行上面的代码来检测一张图像中的直线。

假设我们有一张名为 test.jpg 的图片，其中包含了几条直线，我们将这张图像指定给第一行代码中的 imread() 函数。运行程序之后，它将显示出原始图像，以及用线段显示出检测到的直线的图像。

hough_lines_p

基本方法

hough_lines_p 函数是 OpenCV 库中的另外一个实现 Hough 变换检测直线的函数。在使用 hough_lines_p 函数中，不需要特殊指定斜率和截距的范围，它可以自动调整大小，以确定最佳 Hough 线条的数量。

import cv2
import numpy as np

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
minLineLength = 100
maxLineGap = 10
lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)

for line in lines:
    x1,y1,x2,y2 = line[0]
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

cv2.imshow('Edges',edges)
cv2.imshow('Result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

以下是对代码的解释。首先，我们进行 Canny 边缘检测并使用 cv2.HoughLinesP() 检测图像中的直线：

img = cv2.imread('test.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
minLineLength = 100
maxLineGap = 10
lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)

其中，第二和第三个参数是距离精度和角度精度。 第四个参数是最小直线长度，第五个参数是用于网络连接确定线段的最大允许间距。

最后，使用 for 循环遍历找到的每条直线，然后将其显示在原图上：

for line in lines:
    x1,y1,x2,y2 = line[0]
    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

最后，使用 cv2.imshow() 将两张图像显示出来：

cv2.imshow('Edges',edges)
cv2.imshow('Result',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

示例

在这个示例中，我们将运行上面的代码来检测一张图像中的直线。

假设我们有一张名为 test.jpg 的图像，其中包含了几条直线，我们将这张图像指定给第一行代码中的 imread() 函数。运行程序之后，它将显示出原始图像以及用线段显示出检测到的直线的图像。

以上就是 Hough 变换检测直线的两种 python 实现方法。