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 osimport numpy as npimport cv2from PIL import Image, ImageEnhanceimport 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：

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。