从头学习opencv（18）--直线检测

最新推荐文章于 2025-07-16 10:51:51 发布

原创最新推荐文章于 2025-07-16 10:51:51 发布 · 1.3k 阅读

9 ·

CC 4.0 BY-SA版权

OpenCV 专栏收录该内容

25 篇文章

订阅专栏

本文深入探讨了霍夫变换在图像处理中的应用，特别是霍夫线变换，用于检测图像中的直线。介绍了基本原理，包括如何将图像中的点转换到参数空间，以及如何从累积结果中找到直线参数。同时，提供了使用OpenCV实现霍夫线变换的详细代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

霍夫线变换

参考 https://www.cnblogs.com/FHC1994/p/9138315.html
简介：

1.霍夫变换(Hough Transform) 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，应用很广泛，也有很多改进算法。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)。

2.Hough变换的原理是将特定图形上的点变换到一组参数空间上，根据参数空间点的累计结果找到一个极大值对应的解，那么这个解就对应着要寻找的几何形状的参数（比如说直线，那么就会得到直线的斜率k与常熟b，圆就会得到圆心与半径等等）

3.霍夫线变换是一种用来寻找直线的方法。用霍夫线变换之前, 首先需要对图像进行边缘检测的处理，也即霍夫线变换的直接输入只能是边缘二值图像。

原理可以看这篇文章，个人觉得写得很清楚了
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/hough_lines/hough_lines.html

完整代码

#使用霍夫直线变换做直线检测，前提条件：边缘检测已经完成
import cv2 as cv
import numpy as np


#标准霍夫线变换
def line_detection(image):
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    edges=cv.Canny(gray,50,150,apertureSize=3)#apertureSize参数默认其实就是3
    lines=cv.HoughLines(edges,1,np.pi/180,200)
    for line in lines:
        rho,theta=line[0]#line[0]存储的是点到直线的极径和极角，其中极角是弧度表示的
        a=np.cos(theta)     #theta是弧度
        b=np.sin(theta)
        x0=a*rho    #代表x = r * cos（theta）
        y0=b*rho    #代表y = r * sin（theta）
        x1=int(x0+1000*(-b))
        y1=int(y0+1000*(a))
        x2=int(x0-1000*(-b))
        y2=int(y0-1000*(a))#这里的数值1000给出了画出的线段长度范围大小，数值越小，画出的线段越短，数值越大，画出的线段越长
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)#点的坐标必须是元组，不能是列表。
    cv.imshow("image-lines",image)


#统计概率霍夫线变换
def line_detect_possible_demo(image):
    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)
    for line in lines:
        x1,y1,x2,y2=line[0]
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)
    cv.imshow("line_detect_possible_demo",image)


src = cv.imread("D:/OpenCV/opencv/sources/samples/data/sudoku.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
line_detection(src)
line_detect_possible_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
print("Hi,python!")

运行结果
在这里插入图片描述
可以看出，统计概率变换比标准变换效果要更强一些

函数补充说明

1.lines=cv.HoughLines(edges,1,np.pi/180,200)

opencv的HoughLines函数是标准霍夫线变换函数，该函数的功能是通过一组参数对 (\theta, r_{\theta}) 的集合来表示检测到的直线，其函数原型为：HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines

image参数表示边缘检测的输出图像，该图像为单通道8位二进制图像。

rho参数表示参数极径 r 以像素值为单位的分辨率，这里一般使用1像素。

theta参数表示参数极角 \theta 以弧度为单位的分辨率，这里使用1度。

threshold参数表示检测一条直线所需最少的曲线交点。

lines参数表示储存着检测到的直线的参数对 (r,\theta) 的容器。

srn参数、stn参数默认都为0。如果srn = 0且stn = 0，则使用经典的Hough变换。

min_theta参数表示对于标准和多尺度Hough变换，检查线条的最小角度。

max_theta参数表示对于标准和多尺度Hough变换，检查线条的最大角度。

2.lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100,minLineLength=50,maxLineGap=10)

opencv的HoughLinesP函数是统计概率霍夫线变换函数，该函数能输出检测到的直线的端点 (x_{0}, y_{0}, x_{1}, y_{1})，其函数原型为：HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]]) -> lines

image参数表示边缘检测的输出图像，该图像为单通道8位二进制图像。

rho参数表示参数极径 r 以像素值为单位的分辨率，这里一般使用 1 像素。

theta参数表示参数极角 \theta 以弧度为单位的分辨率，这里使用 1度。

threshold参数表示检测一条直线所需最少的曲线交点。

lines参数表示储存着检测到的直线的参数对 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器，也就是线段两个端点的坐标。

minLineLength参数表示能组成一条直线的最少点的数量，点数量不足的直线将被抛弃。

maxLineGap参数表示能被认为在一条直线上的亮点的最大距离。