1.原理
一条线可以表示为y = mx + c或以参数形式表示为ρ=xcosθ+ysinθ，其中ρ是从原点到该线的垂直距离，而θ是由该垂直线和水平轴形成的角度以逆时针方向测量（该方向随如何表示坐标系而变化）
任何一条线都可以用(ρ，θ)这两个术语表示。因此，首先创建2D数组或累加器（以保存两个参数的值），并将其初始设置为0。让行表示ρ，列表示θ。阵列的大小取决于所需的精度。假设您希望角度的精度为1度，则需要180列。对于ρ，最大距离可能是图像的对角线长度。因此，以一个像素精度为准，行数可以是图像的对角线长度。
考虑一个 100x100 的图像，中间有一条水平线。取直线的第一点。您知道它的 (x，y) 值。现在在线性方程式中，将值θ= 0,1,2，… 180放进去，然后检查得到ρ。对于每对(ρ，θ)，在累加器中对应的(ρ，θ)单元格将值增加1。所以现在在累加器中，单元格(50,90)= 1以及其他一些单元格。现在，对行的第二个点。执行与上述相同的操作。递增(\rho，\theta)对应的单元格中的值。这次，单元格 (50,90)=2 。实际上，您正在对(ρ，θ)值进行投票。您对线路上的每个点都继续执行此过程。在每个点上，单元格(50,90)都会增加或投票，而其他单元格可能会或可能不会投票。这样一来，最后，单元格(50,90)的投票数将最高。因此，如果您在累加器中搜索最大票数，则将获得(50,90)值，该值表示该图像中的一条线与原点的距离为50，角度为90度
2.OpenCV实现霍夫线变换
主要使用cv.HoughLines()函数来实现。
cv.HoughLines(img, rho, theta, threshold )
参数如下：
- img：输入的图像，Canny提取后的边界数据
- rho：距离分辨率，即ρ范围
- theta：角度范围，即θ范围
- threshold：累加器阈值（最小线长）
- 返回一个：math:(ρ，θ) 值的数组
代码示例：
import numpy as np
import cv2 as cv
img = cv.imread(cv.samples.findFile('C:\\Users\\dell\\Desktop\\prac files\\prac7.jpg'))
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray,50,150,apertureSize = 3)
lines = cv.HoughLines(edges,1,np.pi/180,200)
for line in lines:
rho, theta = line[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))
cv.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
3.概率霍夫变换
主要使用cv2.HoughLinesP()函数来实现。
cv2.HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None)
参数如下：
- 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
- threshod：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
- lines：这个参数的意义未知
- 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
代码示例：
import numpy as np
import cv2 as cv
img = cv.imread(cv.samples.findFile('C:\\Users\\dell\\Desktop\\prac files\\prac7.jpg'))
gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray,50,150,apertureSize = 3)
lines = cv.HoughLinesP(edges,1,np.pi/180,100,minLineLength=100,maxLineGap=10)
for line in lines:
x1, y1, x2, y2 = line[0]
cv.line(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv.imshow("prac", img)
cv.waitKey(0)
cv.destroyAllWindows()
