opencv-霍夫线变换

参考：

1、http://docs.opencv.org/3.3.0/  官方文档api

2、http://docs.opencv.org/3.3.0/d6/d00/tutorial_py_root.html 官方英文教程

3、https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

4、https://github.com/makelove/OpenCV-Python-Tutorial# 进阶教程

5、https://docs.opencv.org/3.3.0/index.html 
官方英文教程

6、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

7、https://www.learnopencv.com/

8、http://answers.opencv.org/questions/ OpenCV论坛

9、https://github.com/opencv/opencv  
官方github

10、https://github.com/abidrahmank/OpenCV2-Python-Tutorials

注：安装的版本
opencv_python-3.3.0-cp36-cp36m-win_amd64.whl

参考：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_tutorials.html

目标

In this chapter,
We will understand the concept of Hough Tranform.
We will see how to use it detect lines in an image.
We will see following functions: cv2.HoughLines(), cv2.HoughLinesP()

OpenCV中的霍夫线变换

上面解释的一切都封装在OpenCV函数cv2.HoughLines（）中。 它只返回一个数组 

值。

以像素为单位测量，θ以弧度测量。
第一个参数，输入图像应该是一个二进制图像，因此在应用霍夫变换之前应用阈值或使用canny边缘检测。 第二和第三参数分别为

 and 

。
第四个参数 threshold，这意味着它应该被视为一条线的最小投票。 记住，票数取决于线上的点数。 因此，它代表应检测的最小线路长度。

import cv2
import numpy as np

img = cv2.imread('dave.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)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

概率霍夫变换

在hough变换中，你可以看到即使是一个有两个参数的行，它需要大量的计算。 概率霍夫变换是我们看到的霍夫变换的优化。 它不考虑所有要点，而只采取点的随机子集，并且足以用于线检测。 只是我们必须降低门槛。 参见下图，比较霍夫变换和概率霍夫变换在霍夫空间。 （图片提供：Franck Bettinger的主页 

OpenCV实现基于 Robust Detection of Lines Using the Progressive Probabilistic Hough Transform by Matas, J. and Galambos, C. and Kittler, J.V..。使用的函数是cv2.HoughLinesP（）。 它有两个新的论点。

minLineLength - 最小线长。 短于此的线段被拒绝。
maxLineGap - 线段之间允许的最大间隔，将它们视为单行。
最好的是，它直接返回两个端点。 在以前的情况下，你只得到线的参数，你必须找到所有的点。 在这里，一切都是直接和简单的。

import cv2
import numpy as np

img = cv2.imread('dave.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
minLineLength = 100
maxLineGap = 10
lines = cv2.HoughLinesP(edges,1,np.pi/180,100,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)

# cv2.imwrite('houghlines5.jpg',img)

cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

Additional Resources

Hough Transform on Wikipedia