內容來自OpenCV-Python Tutorials 自己翻譯整理

目標：
理解概念
在圖片中檢測直線
學習函式cv2.HoughLines()，cv2.HoughLinesP()

原理：
霍夫變換在檢測各種形狀的技術中十分流行，如果能用數學表示式寫出圖形的公式，就可以使用霍夫變換來進行檢測。

待檢測的物體可以存在一些破壞和變型。

直線的表示式為y=mx+c或者用極座標表示為，ρ=xcosθ+ysinθ

ρ表示從原點到直線的垂直距離，θ表示直線的垂線與橫軸順時針方向的夾角。

直線在原點下方，ρ是正值，角度小於180。直線在原點上方經過，角度不是大於180度，而是小於180度，但是ρ值取負值。垂直的時候角度為0，水平的時候角度為90度。

霍夫變換是如何實現的？
每條直線都可以用（ρ，θ）表示。
首先建立一個2D陣列或者累加器（用來儲存兩個引數），初始化陣列為0。行表示ρ，列表示θ。陣列的大小決定了結果是否準確。如果要精度為1度，那麼需要180列。
ρ值最大為圖片對角線的距離。如果精度要求達到畫素級別，那麼行數應該等於影象對角線的長度。

如果有一個100×100的水平直線在影象中央（在第50行的位置）。取直線上第一個點（x,y），將點帶入方程，遍歷θ值從0到180.求出對應的ρ值，這樣得到敵對（ρ，θ），如果該值再建立的2D陣列（累加器）中的對應位置上也存在，那個該位置加1。所以累加器中位置（50,90）=1。（一個點可能在多條直線當中，所以一個點可能對應多個值加1）。取直線第二個點，重複上述過程。更新累加器中的值。此時（50,90）的值為2。對直線上每個點都按照這種方式操作，最後（50,90）的值肯定最大。這就說明有一條直線。

（注意上面能選取到直線上的點的原因是因為選取的影象邊緣資訊點）

opencv中的霍夫變換
使用函式cv2.HoughLines()，返回（ρ，θ）,ρ的單位是畫素，θ是弧度。
輸入引數：第一個引數是二值化影象，進行霍夫變換之前要進行二值化或者canny邊緣檢測。第二第三個引數代表ρ和θ的精度。第四個引數是閾值，只有當累加器中的值高於閾值時才被當成是直線。

import cv2
import numpy as np
img = cv2.imread('18.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 rho,theta in lines[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),(0,0,255),2)
cv2.imwrite('houghlines3.jpg',img)

概率霍夫變換

上面的過程可以看到一條直線需要兩個引數，這需要大量計算。概率檢測是一種優化，它不是對每一個點都檢測，而是在影象中隨機選取點集合進行運算，檢測直線足夠用，但是要降低閾值。

函式為 cv2.HoughLinesP()

引數為minLineLength表示直線長度的閾值，少於此長度的會被忽略。MaxLineGap兩天直線的間隔，小於此值會被當成一條直線。

返回值為直線的起點和終點。