1 原理

?2 檢測(cè)步驟

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

對(duì)圖像邊界上的每一個(gè)點(diǎn)（x,y）帶入ρ=xcosθ+ysinθ，求得每個(gè)θ對(duì)應(yīng)的ρ值，并在ρ和θ所對(duì)應(yīng)的單元，將累加器加1，即：Q(i,j)=Q(i,j)+1；

檢驗(yàn)參數(shù)空間中每個(gè)累加器的值，累加器最大的單元所對(duì)應(yīng)的ρ和θ即為直角坐標(biāo)系中直線方程的參數(shù)。

?3 接口

image：二值圖像，canny邊緣檢測(cè)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(cè)的線段更多，可以設(shè)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(cè)的線段更多，可以設(shè)為0.01 * numpy.pi/180。
threshod: 閾值參數(shù)，int類(lèi)型，超過(guò)設(shè)定閾值才被檢測(cè)出線段，這里為10。
minLineLength：線段以像素為單位的最小長(zhǎng)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(jié)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(cè)
  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(cè)
  lines = cv2.HoughLinesP(result, 1, 1 * np.pi/180, 10, minLineLength=10, maxLineGap=5)
  # print(lines)
  print("Line Num : ", len(lines))
 
  # 畫(huà)出檢測(cè)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(cè)結(jié)果：

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。