1 原理

?2 檢測步驟

將參數空間(ρ,θ) 量化成m*n(m為ρ的等份數，n為θ的等份數)個單元，并設置累加器矩陣，初始值為0；

對圖像邊界上的每一個點（x,y）帶入ρ=xcosθ+ysinθ，求得每個θ對應的ρ值，并在ρ和θ所對應的單元，將累加器加1，即：Q(i,j)=Q(i,j)+1；

檢驗參數空間中每個累加器的值，累加器最大的單元所對應的ρ和θ即為直角坐標系中直線方程的參數。

?3 接口

image：二值圖像，canny邊緣檢測輸出。這里是result。
rho: 以像素為單位的距離精度，這里為1像素。如果想要檢測的線段更多，可以設為0.1。
theta： 以弧度為單位的角度精度，這里為numpy.pi/180。如果想要檢測的線段更多，可以設為0.01 * numpy.pi/180。
threshod: 閾值參數，int類型，超過設定閾值才被檢測出線段，這里為10。
minLineLength：線段以像素為單位的最小長度。
maxLineGap：同一方向上兩條線段判定為一條線段的最大允許間隔。

4 代碼及結果

            
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邊緣檢測
  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)
  # 霍夫線檢測
  lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5)
  # print(lines)
  print("Line Num : ", len(lines))
 
  # 畫出檢測的線段
  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
          

原圖如下：

檢測結果：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。