详解在Python中使用OpenCV进行直线检测_Python

1. 引言

在图像处理中，直线检测是一种常见的算法，它通常获取n个边缘点的集合，并找到通过这些边缘点的直线。其中用于直线检测，最为流行的检测器是基于霍夫变换的直线检测技术。

2. 霍夫变换

霍夫变换是图像处理中的一种特征提取方法，可以识别图像中的几何形状。它将在参数空间内进行投票来决定其物体形状，通过检测累计结果找到一极大值所对应的解，利用此解即可得到一个符合特定形状的参数。

在使用霍夫变换侦测直线前，须先利用边缘检测算法来减少图像的数据量、剔掉不相关的信息，保留图像中重要的结构特征。

3. 举个栗子

3.1 读入图像进行灰度化

首先我们读入样例测试图像，然后利用cvtColor()函数进行灰度化操作，样例代码如下：

				?

									im = cv2.imread("./ladder.png")

									gray_img = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

运行结果如下：

详解在Python中使用OpenCV进行直线检测

上图中左侧为彩色原图，右侧为执行灰度化后的灰度图。

3.2 执行边缘检测

接着我们来利用边缘检测算法（Canny、Sobel、Laplacian等）来检测物体边缘，样例代码如下：

				?

									canny = cv2.Canny(gray_img, 30, 150)

运行结果如下：

详解在Python中使用OpenCV进行直线检测

3.3 进行霍夫变换

最后，我们使用霍夫变换来得出直线检测结果，样例代码如下：

				?

									lines = cv2.HoughLines(canny, 1, np.pi / 180, 180)

									lines1 = lines[:, 0, :]

									for rho, theta in lines1[:]:

									    a = np.cos(theta)

									    b = np.sin(theta)

									    x0 = a * rho

									    y0 = b * rho

									    x1 = int(x0 + 3000 * (-b))

									    y1 = int(y0 + 3000 * (a))

									    x2 = int(x0 - 3000 * (-b))

									    y2 = int(y0 - 3000 * (a))

									    cv2.line(im, (x1, y1), (x2, y2), (0, 0, 255), 2)

运行结果如下：

可以看出，通过简单的几步操作，我们就可以很方便的检测出图像中的所有直线。

详解在Python中使用OpenCV进行直线检测

补充

当然Python利用OpenCV不仅能检测直线，还能检测出直线倾斜角度。下面是实现的核心代码

				?

									import cv2

									import numpy as np

									def line_detect(image):

									  # 将图片转换为HSV

									  hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

									  # 设置阈值

									  lowera = np.array([0, 0, 221])

									  uppera = np.array([180, 30, 255])

									  mask1 = cv2.inRange(hsv, lowera, uppera)

									  kernel = np.ones((3, 3), np.uint8)

									  # 对得到的图像进行形态学操作（闭运算和开运算）

									  mask = cv2.morphologyEx(mask1, cv2.MORPH_CLOSE, kernel) #闭运算：表示先进行膨胀操作，再进行腐蚀操作

									  mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)  #开运算：表示的是先进行腐蚀，再进行膨胀操作

									  # 绘制轮廓

									  edges = cv2.Canny(mask, 50, 150, apertureSize=3)

									  # 显示图片

									  cv2.imshow("edges", edges)

									  # 检测白线  这里是设置检测直线的条件，可以去读一读HoughLinesP()函数，然后根据自己的要求设置检测条件

									  lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 40,minLineLength=10,maxLineGap=10)

									  print "lines=",lines

									  print "========================================================"

									  i=1

									  # 对通过霍夫变换得到的数据进行遍历

									  for line in lines:

									    # newlines1 = lines[:, 0, :]

									    print "line["+str(i-1)+"]=",line

									    x1,y1,x2,y2 = line[0]  #两点确定一条直线，这里就是通过遍历得到的两个点的数据 （x1,y1）(x2,y2)

									    cv2.line(image,(x1,y1),(x2,y2),(0,0,255),2)   #在原图上画线

									    # 转换为浮点数，计算斜率

									    x1 = float(x1)

									    x2 = float(x2)

									    y1 = float(y1)

									    y2 = float(y2)

									    print "x1=%s,x2=%s,y1=%s,y2=%s" % (x1, x2, y1, y2)

									    if x2 - x1 == 0:

									      print "直线是竖直的"

									      result=90

									    elif y2 - y1 == 0 :

									      print "直线是水平的"

									      result=0

									    else:

									      # 计算斜率

									      k = -(y2 - y1) / (x2 - x1)

									      # 求反正切，再将得到的弧度转换为度

									      result = np.arctan(k) * 57.29577

									      print "直线倾斜角度为：" + str(result) + "度"

									    i = i+1

									  #   显示最后的成果图

									  cv2.imshow("line_detect",image)

									  return result

									if __name__ == '__main__':

									  # 读入图片

									  src = cv2.imread("lines/line6.jpg")

									  # 设置窗口大小

									  cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)

									  # 显示原始图片

									  cv2.imshow("input image", src)

									  # 调用函数

									  line_detect(src)

									  cv2.waitKey(0)