参照别人的霍夫变换直线检测，后面自己写实现代码

本文介绍了一种使用Canny边缘检测算法和Hough变换进行直线识别的方法。首先，通过Canny算法对输入图像进行边缘检测，然后将检测到的边缘转换为灰度图像。接着，利用HoughLines函数检测图像中的直线，最后在图像上绘制检测到的直线并展示最终效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#include <iostream>
#include <opencv2\opencv.hpp>
#include <opencv2\imgproc\imgproc.hpp>

using namespace cv;
using namespace std;

int main()
{
	Mat srcImage = imread("city.jpg");
	imshow("Src Pic", srcImage);

	Mat midImage, dstImage;
	//边缘检测
	Canny(srcImage, midImage, 50, 250, 3);
	//灰度化
	cvtColor(midImage, dstImage, CV_GRAY2BGR);
	// 定义矢量结构存放检测出来的直线
	vector<Vec2f> lines;
	//通过这个函数，我们就可以得到检测出来的直线集合了
	HoughLines(midImage, lines, 1, CV_PI / 180, 200, 0, 0);
	//这里注意第五个参数，表示阈值，阈值越大，表明检测的越精准，速度越快，得到的直线越少（得到的直线都是很有把握的直线）
	//这里得到的lines是包含rho和theta的，而不包括直线上的点，所以下面需要根据得到的rho和theta来建立一条直线

	//依次画出每条线段
	for (size_t i = 0; i < lines.size(); i++)
	{
		float rho = lines[i][0]; //就是圆的半径r
		float theta = lines[i][1]; //就是直线的角度
		Point pt1, pt2;
		double a = cos(theta), b = sin(theta);
		double x0 = a * rho, y0 = b * rho;
		pt1.x = cvRound(x0 + 1000 * (-b));
		pt1.y = cvRound(y0 + 1000 * (a));
		pt2.x = cvRound(x0 - 1000 * (-b));
		pt2.y = cvRound(y0 - 1000 * (a));

		line(dstImage, pt1, pt2, Scalar(55, 100, 195), 1, LINE_AA); //Scalar函数用于调节线段颜色，就是你想检测到的线段显示的是什么颜色

		imshow("边缘检测后的图", midImage);
		imshow("最终效果图", dstImage);
	}
	waitKey();
	return 0;
}