opencv-霍夫线变换

参考：

1、http://docs.opencv.org/3.3.0/  官方文档api

2、http://docs.opencv.org/3.3.0/d6/d00/tutorial_py_root.html 官方英文教程

3、https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

4、https://github.com/makelove/OpenCV-Python-Tutorial# 进阶教程

5、https://docs.opencv.org/3.3.0/index.html  官方英文教程

6、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

7、https://www.learnopencv.com/

8、http://answers.opencv.org/questions/ OpenCV论坛

9、https://github.com/opencv/opencv   官方github

10、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

注：安装的版本 opencv_python-3.3.0-cp36-cp36m-win_amd64.whl

参考：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

目标

In this chapter,

• We will understand the concept of Hough Tranform.
• We will see how to use it detect lines in an image.
• We will see following functions: cv2.HoughLines(), cv2.HoughLinesP()

OpenCV中的霍夫线变换

上面解释的一切都封装在OpenCV函数cv2.HoughLines（）中。 它只返回一个数组 值。以像素为单位测量，θ以弧度测量。 第一个参数，输入图像应该是一个二进制图像，因此在应用霍夫变换之前应用阈值或使用canny边缘检测。 第二和第三参数分别为 and 。 第四个参数 threshold，这意味着它应该被视为一条线的最小投票。 记住，票数取决于线上的点数。 因此，它代表应检测的最小线路长度。

import cv2import numpy as npimg = cv2.imread('dave.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray,50,150,apertureSize = 3)lines = cv2.HoughLines(edges,1,np.pi/180,200)for rho,theta in lines[0]:    a = np.cos(theta)    b = np.sin(theta)    x0 = a*rho    y0 = b*rho    x1 = int(x0 + 1000*(-b))    y1 = int(y0 + 1000*(a))    x2 = int(x0 - 1000*(-b))    y2 = int(y0 - 1000*(a))    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)# cv2.imwrite('houghlines3.jpg',img)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()

概率霍夫变换

在hough变换中，你可以看到即使是一个有两个参数的行，它需要大量的计算。 概率霍夫变换是我们看到的霍夫变换的优化。 它不考虑所有要点，而只采取点的随机子集，并且足以用于线检测。 只是我们必须降低门槛。 参见下图，比较霍夫变换和概率霍夫变换在霍夫空间。 （图片提供：Franck Bettinger的主页 

OpenCV实现基于 Robust Detection of Lines Using the Progressive Probabilistic Hough Transform by Matas, J. and Galambos, C. and Kittler, J.V..。使用的函数是cv2.HoughLinesP（）。 它有两个新的论点。

• minLineLength - 最小线长。 短于此的线段被拒绝。

• maxLineGap - 线段之间允许的最大间隔，将它们视为单行。

最好的是，它直接返回两个端点。 在以前的情况下，你只得到线的参数，你必须找到所有的点。 在这里，一切都是直接和简单的。

import cv2import numpy as npimg = cv2.imread('dave.jpg')gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray,50,150,apertureSize = 3)minLineLength = 100maxLineGap = 10lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)for x1,y1,x2,y2 in lines[0]:    cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)# cv2.imwrite('houghlines5.jpg',img)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()

Additional Resources

1. Hough Transform on Wikipedia