OpenCV如何實現直線檢測

本篇內容介紹了“OpenCV如何實現直線檢測”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

1 介紹

本文主要介紹OpenCV自帶的直線檢測函數HoughLines()的用法，這個函數的第一個參數是一個二值化圖像，所以在進行霍夫變換之前要首先進行二值化，或者進行Canny 邊緣檢測。第二和第三個值分別代表β 和 θ 的精確度。第四個參數是閾值，只有累加其中的值高于閾值時才被認為是一條直線，也可以把它看成能檢測到的直線的最短長度（以像素點為單位）。返回值就是（β; θ）。β 的單位是像素，θ的單位是弧度。

2 代碼 

#直線檢測
#使用霍夫直線變換做直線檢測，前提條件：邊緣檢測已經完成
import cv2 as cv
import numpy as np
import matplotlib.pylab as plt
 
#標準霍夫線變換
def line_detection(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  #apertureSize參數默認其實就是3
    cv.imshow("edges", edges)
    lines = cv.HoughLines(edges, 1, np.pi/180, 80)
    for line in lines:
        rho, theta = line[0]  #line[0]存儲的是點到直線的極徑和極角，其中極角是弧度表示的。
        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)) #計算直線起點橫坐標
        y1 = int(y0 + 1000 * a)    #計算起始起點縱坐標
        x2 = int(x0 - 1000 * (-b)) #計算直線終點橫坐標
        y2 = int(y0 - 1000 * a)    #計算直線終點縱坐標    注：這里的數值1000給出了畫出的線段長度范圍大小，數值越小，畫出的線段越短，數值越大，畫出的線段越長
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)    #點的坐標必須是元組，不能是列表。
    cv.imshow("image-lines", image)
 
#統計概率霍夫線變換
def line_detect_possible_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_RGB2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  # apertureSize參數默認其實就是3
    lines = cv.HoughLinesP(edges, 1, np.pi / 180, 60, minLineLength=60, maxLineGap=5)
    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(r'..\edge.jpg')
print(src.shape)
cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE)
cv.imshow('input_image', src)
line_detection(src)
src = cv.imread(r'..\edge.jpg') #調用上一個函數后，會把傳入的src數組改變，所以調用下一個函數時，要重新讀取圖片
line_detect_possible_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

3 效果 

“OpenCV如何實現直線檢測”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！