直线检测

前期准备

import cv2
import numpy as np

# 读取图片
img = cv2.imread(r"C:\Users\HONOR\Desktop\12.png")
# 灰度转换
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化
# reg, img = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 显示二值化后的图像
# cv2.imshow("thresh", img)

canny边缘检测

在进行检测直线之前需要进行边缘检测

# 检测直线
# 首先进行边缘检测
canny = cv2.Canny(gray, 30, 150)

• 语法格式：

  cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges
  
  - image：输入图像，必须为单通道灰度图像；
  - threshold1：第一个阈值，用于边缘连接；
  - threshold2：第二个阈值，用于边缘检测；
  - edges：输出的边缘图像；
  - apertureSize：Sobel 算子的大小，可选值为 3、5、7，默认值为 3；
  - L2gradient：是否使用 L 2 L_2L 2范数计算梯度大小，可选值为 True 和 False，默认值为 False。
  

直线检测

# 使用霍夫变换来得出直线的检测结果
# 霍夫变换进行直线检测
lines = cv2.HoughLines(canny, 1, np.pi / 180, 180)
lines1 = lines[:, 0, :]
for rho, theta in lines1[:]:
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a * rho
    y0 = b * rho
    x1 = int(x0 + 3000 * (-b))
    y1 = int(y0 + 3000 * (a))
    x2 = int(x0 - 3000 * (-b))
    y2 = int(y0 - 3000 * (a))
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

• 语法格式：

cv.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines

- lines：数组，每一个元素都是一条直线对应的(ρ, θ)，ρ以像素为单位，θ以弧度为单位。
- image：输入图像，需要是二值图像，所以在应用hough变换之前应用阈值或canny边缘检测。
- rho：ρ的精度。
- theta：θ的精度。
- threshold：阈值，得票数高于该值的线才被认为是线，由于投票数取决于线上的点数，所以它代表了应该被检测到的线的最小点数。

显示结果

cv2.imshow("Hough Transform Result", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果：