Opencv-Python處理車道線檢測

1.匯入

我們先要找一張圖片，對其進行檢測.

import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image
import math
# 讀入影象
img = cv2.imread('lu.jpg',3)

2.Canny邊緣檢測

為了突出車道線，我們對影象做邊緣處理.“邊緣”就是影象中明暗交替較為明顯的區域.車道線通常為白色或黃色，地面通常為灰色或黑色，因此車道線的邊緣處會有很明顯的明暗交替.
以Canny演算法為例，選取特定的閾值後，對灰度影象進行處理，即可得到的邊緣提取的效果圖.

# canny邊緣檢測
edges = cv2.Canny(img,150,350)
# 顯示影象
image1 = Image.fromarray(edges.astype('uint8'))
display(image1)
# 計算影象高度的一半
pic_height = img.shape[0]//2

3.霍夫直線檢測

# 引數有輸入的影象，畫素精度，弧度單位，最小點集，最小長度，最大間隔
lines = cv2.HoughLinesP(edges, 1,np.pi/360,10,minLineLength=100, maxLineGap=20)

``
cv2.HoughLinesP()函式原型：
HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

image： 必須是二值影象，推薦使用canny邊緣檢測的結果影象；
rho: 線段以畫素為單位的距離精度，double型別的，推薦用1.0
theta： 線段以弧度為單位的角度精度，推薦用numpy.pi/180
threshod: 累加平面的閾值引數，int型別，超過設定閾值才被檢測出線段，值越大，基本上意味著檢出的線段越長，檢出的線段個數越少。根據情況推薦先用100試試
lines：這個引數的意義未知，發現不同的lines對結果沒影響，但是不要忽略了它的存在
minLineLength：線段以畫素為單位的最小長度，根據應用場景設定
maxLineGap：同一方向上兩條線段判定為一條線段的最大允許間隔（斷裂），超過了設定值，則把兩條線段當成一條線段，值越大，允許線段上的斷裂越大，越有可能檢出潛在的直線段

4.計算線段中點

點座標(x, y)中，x代表圖片的列，y代表圖片的行
所以如果想在圖片中的位置(10, 0) 和 位置(0， 100)之間劃線，則正確的呼叫語句為：
1 import cv2 as cv
2 #在（10， 0）和（0， 100）之間畫條直線，直線的顏色為綠色
我們需要求出多餘線段的中點，只留圖片一半的下半部分.
線段中點座標公式 X=（x1+x2)/2,Y=(y1+y2)/2

length = []
filter_index_list = []
# 迴圈每個線段
for i in range(lines.shape[0]):
    # 解析每個線段的端點座標
    for x1, y1, x2, y2 in lines[i]:
        # 計算中點座標
        center_x = int((x1+x2)/2)
        center_y = int((y1+y2)/2)
        # 過濾掉在影象上半部分的座標
        if(center_y > pic_height):
            # 畫出符合條件的線段
            cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 1)
            # 統計個數
            filter_index_list.append((x1, y1,x2, y2))

5.顯示結果

image1 = Image.fromarray(img.astype('uint8'))
display(image1)