霍夫變換是一種檢測任何形狀的流行技術，可以檢測形狀，即使它被破壞或扭曲一點點.
一條線可以表示成y = mx + c或引數形式，像ρ=xcosθ+ysinθ，其中ρ是從原點到直線的垂直距離，θ角是由這條垂線和水平軸以逆時針的方向形成的(這個方向取決於你如何表示座標系統，這種表示法在OpenCV中使用）

OpenCV中的Hough變換

cv.HoughLines()
第一個引數，輸入影象應該是一個二值影象，因此在應用hough變換之前應用閾值或使用Canny邊緣檢測.
第二和第三個引數分別是ρ和θ的精度.
第四個引數是閾值，這意味著它應該被視為一條直線.
記住，選票的數量取決於直線上的點的數量,所以它表示應該檢測到的最小長度.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('img.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 line in lines:
  rho,theta = line[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),(0,255),2)

cv2.imshow('show',img)
cv2.waitKey()

概率Hough變換

在hough轉換中，你可以看到，即使對於一個有兩個引數的線，它也需要大量的計算.概率Hough變換是我們所見的Hough變換的一個優化,它並沒有把所有的要點都考慮進去,相反，它只需要一個隨機子集，對行檢測來說足夠.

cv2.HoughLinesP(image,rho,theta,threshold[,lines[,minLineLength[,maxLineGap]]])

• minLineLength：最小長度的線。比這更短的線段被拒絕了。
• maxLineGap：最大限度允許線段之間的間隙把它們當作一條線來對待

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('img.jpg')
gray = cv2.cvtColor(img,apertureSize=3)
lines = cv2.HoughLinesP(edges,100,minLineLength=100,maxLineGap=10)
for line in lines:
  x1,y1,x2,y2 = line[0]
  cv2.line(img,255,0),img)
cv2.waitKey()

以上就是python 用opencv實現霍夫線變換的詳細內容，更多關於python 實現霍夫線變換的資料請關注我們其它相關文章！