本文共 1019 字，大约阅读时间需要 3 分钟。

直线检测可以通过OpenCV的HoughLines和HoughLinesP函数来完成，它们仅有的差别是：第一个函数使用标准的Hough变换，第二个函数使用概率Hough变换，即只通过分析点的子集并估计这些点都属于一条直线的概率，这在计算速度上更快。

函数原型：HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)

参数设置：

• image：必须是二值图像，推荐使用canny边缘检测的结果图像；

• rho：线段以像素为单位的距离精度，double类型的，推荐用1.0；

• theta：线段以弧度为单位的角度精度，推荐用numpy.pi/180；

• threshold：累加平面的阈值参数，int类型，超过设定阈值才被检测出线段，值越大，基本上意味着检出的线段越长，检出的线段个数越少。根据情况推荐先用100试试；

• lines：这个参数的意义未知，发现不同的lines对结果没影响，但是不要忽略了它的存在；

• minLineLength：线段以像素为单位的最小长度，根据应用场景设置；

• maxLineGap：同一方向上两条线段判定为一条线段的最大允许间隔（断裂），超过了设定值，则把两条线段当成一条线段，值越大，允许线段上的断裂越大，越有可能检出潜在的直线段。

• 源代码

import cv2import numpy as npimg = cv2.imread('lines.jpg')gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)edges = cv2.Canny(gray, 50, 120)minLineLength = 20maxLineGap = 5lines = cv2.HoughLinesP(edges, 1.0, np.pi / 180, 20, minLineLength, maxLineGap)for line in lines:    for x1, y1, x2, y2 in line:        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 1)cv2.imshow("lines", img)cv2.waitKey()cv2.destroyAllWindows()

• lines.jpg

• lines

转载地址：https://mortal.blog.csdn.net/article/details/82944280 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！