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本文来源gaodai#ma#com搞@@代~&码网(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 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搞代码。
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python hough变换检测直线的实现方法
转载请注明原文链接：python hough变换检测直线的实现方法
