霍夫变换

霍夫变换是图像处理中从图像中识别几何形状的基本方法之一
主要用来从图像中分离出具有某种相同特征的几何形状
如，直线，圆等）。最基本的霍夫变换是从黑白图像中检测直线(线段)。

其实图已经说的很好了。。
在这里插入图片描述

就是在我们已经把边缘检测做完之后，进行进一步的检测。

直线检测

这里代码里的注释已经很明白了，就不再多赘述了。

def line_detection(image):  # 直线检测
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  # apertureSize是sobel算子窗口大小
    lines = cv.HoughLines(edges, 1, np.pi / 180, 200)  # 指定步长为1的半径和步长为π/180的角来搜索所有可能的直线
    """
    oughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None)
第一个参数image：是canny边缘检测后的图像

第二个参数rho和第三个参数theta：对应直线搜索的步长。在本例中，函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线。

最后一个参数threshold：是经过某一点曲线的数量的阈值，超过这个阈值，就表示这个交点所代表的参数对(rho, theta)在原图像中为一条直线

    """

    for line in lines:
        #  print(type(lines))
        rho, theta = line[0]  # 获取极值ρ长度和θ角度
        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a * rho  # 获取x轴值
        y0 = b * rho
        x1 = int(x0 + 1000 * (-b))  # 获取这条直线最大值点x1
        y1 = int(y0 + 1000 * (a))
        x2 = int(x0 - 1000 * (-b))
        y2 = int(y0 - 1000 * (a))  # 获取这条直线最小值点y2　　其中*1000是内部规则
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 划线
    cv.imshow("image-lines", image)


def line_detect_possible_demo(image):  # 检测出可能的线段      
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)
    lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10)
    """
HoughLinesP概率霍夫变换（是加强版）使用简单，效果更好，检测图像中分段的直线（而不是贯穿整个图像的直线)
第一个参数是需要处理的原图像，该图像必须为cannay边缘检测后的图像；

第二和第三参数：步长为1的半径和步长为π/180的角来搜索所有可能的直线

第四个参数是阈值，概念同霍夫变换

第五个参数：minLineLength-线的最短长度，比这个线短的都会被忽略。

第六个参数：maxLineGap-两条线之间的最大间隔，如果小于此值，这两条线就会被看成一条线
    """
    for line in lines:
        #   print(type(line))
        x1, y1, x2, y2 = line[0]
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv.imshow("line_detect_possible_demo", image)

（这里的注释是大佬写的，觉得很不错，就修修改改放在这里了）
结果：
在这里插入图片描述

小白学python（opencv直线检测）

小白学python（opencv直线检测）

霍夫变换

直线检测

推荐阅读