OpenCV-Python -- Hough Line Transform

学习目标

• 理解霍夫变换的概念
• 学习用霍夫变换在图像中检测直线
• 学习函数：cv2.HoughLines()，cv2.HoughLinesP()

理论

可以参考链接：霍夫变换检测直线的原理深入理解

OpenCV中的霍夫变换

import cv2
import numpy as np

img = cv2.imread('dave.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 30, 100, apertureSize=3)

lines = cv2.HoughLines(edges, 1, np.pi / 180, 100)
print(lines[0])
print(lines[1])
print(lines.shape)
print(lines)
for i in range(15):
    for rho, theta in lines[i]:
        print(rho, theta)
        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('img', img)
        # cv2.waitKey(0)

cv2.imwrite('houghlines3.jpg', img)

运行结果如下：

概率霍夫变换

在霍夫变换中，决定一条直线需要2个参数，需要大量的计算。为了降低计算量，提出霍夫变换的优化版本，概率霍夫变换。它不需要考虑所有的点，需要部分点就可以估计直线。那么，我们也需要降低阈值。下面的流程图给出了两种算法的区别：

在OpenCV中，使用的是Progreesive Probabilistic Hough Transform. 函数为cv2.HoughLineP(). 它有两个参数：

• minLineLength：线的最小长度，小于该值被去除。
• maxLineGap：两条直线的距离，小于该值则认为是一条直线。

该函数返回直线的两个端点。在上面的论述中，返回的是直线的参数，那么不得不找到所有的点。例子如下：

import cv2
import numpy as np

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

cv2.imwrite('houghlines5.jpg',img)

运行结果如下：