目录
1. Hough 直线检测
霍夫变换（Hough 变换）：利用对偶原理，把原空间的问题转换到对偶空间去求解
这里涉及到空间转换，将原来的笛卡尔空间（xy空间）转换到参数空间（霍夫空间）
例如：笛卡尔空间上的一个
位置确定
的点（x0，y0），经过这个点的直线方程为:y0= k * x0 + b。这里可以知道，由于k、b的不确定性，因此这个直线是无数条
将笛卡尔空间上的方程进行简单变换 b = – x0 * k + y0 的形式(这里新的坐标轴是k、b，也叫参数空间或者霍夫空间)。由于（x0，y0）是已知的，(k、b)是未知的参数，那么在笛卡尔空间就是一个确定的点（
想象这个点是由无数条直线相交同一点确定的
）。因此在参数空间，就是一条斜率为-x0，截距为y0的直线（
k、b未确定，因此在参数空间，是kb定义域是R的一条直线
）。所以，我们得出的结论是：
笛卡尔空间上面的一个确定点，对应参数空间（霍夫空间）上的一条确定的直线
例如：笛卡尔空间（x0 = 1，y0 = 2），那么在笛卡尔空间由无数条直线相交于同一点的方程是：y = k（x – 1） + 2 = k*x + 2-k（这里2-k是b）
因此在参数空间是: 2-k = -x * k + y ——> b = -x * k + y—-带入(1，2)—–> b = -k + 2
如果，笛卡尔空间上还有一点（x1，y1）的话，那么这一点也对应一条参数空间的一条直线。并且在笛卡尔空间，由于两点必可以确定一条直线，因此在参数空间的效果就是，两条直线必相交于一点。可以得出结论：
笛卡尔空间的一条直线，对应参数空间（霍夫空间）上的一个确定的点
例如：笛卡尔空间的两个点（1，2）（2，3）
- 点（1，2）在笛卡尔空间y = kx + 2-k ，转到参数空间为2-k = -xk + y，带入（1，2）得：b = 2-k = -x*k+y = – k + 2
- 点（2，3）在笛卡尔空间y = kx + 3- 2k ，转到参数空间为3-2k = -xk + y，带入（2，3）得：b = 3 – 2k = -x*k+y = -2 * k + 3
在笛卡尔空间两点得到的直线方程为：y = x + 1
在参数空间两条直线得到的交点为：k = 1 ，b = 1
笛卡尔空间直线的k、b，就是参数空间点的坐标（k，b）
所以，如果需要做直线检测的话，将笛卡尔空间上的点映射到参数空间对应一条直线。然后如果映射前，笛卡尔空间点在一条直线上的话，那么对应参数空间直线就会相交到同一点上。
因此，图像上主要直线可以通过标识参数空间中大量直线相交的点来确定
上述的变换是可行的，但是有个缺点是，当笛卡尔空间是垂直的直线是，对应参数空间的k是无穷大的，且截距b无法取值。解决的思路是将参数空间改为极坐标空间，将直线转为（r，θ）空间多个曲线的交点
2. HoughLinesP 函数
- 返回值格式为：[[[x1,y1,x2,y2]]]
代码：
import numpy as np
import cv2
img = cv2.imread('./chessboard.png',1) # 读取图像
img = cv2.GaussianBlur(img,(7,7),sigmaX=1) # 高斯模糊图像
img_bin = cv2.Canny(img,50,100) # 得到二值图像
lines = cv2.HoughLinesP(img_bin,1,np.pi / 180,threshold= 10) # Hough 变换
for line in lines:
x1,y1,x2,y2 = line[0] # 提取线段
cv2.line(img,(x1,y1),(x2,y2),(0,0,255),1) # 在原图上绘制线段
cv2.imshow('Canny',img_bin) # 显示 Canny 检测的图像
cv2.imshow('img',img)
cv2.waitKey()
cv2.destroyAllWindows()
处理结果为：
这里的lines 返回的shape是（n，1，4），n代表n条直线，（1，4）是一行四列每个线段的起点和末端点
所以line去迭代lines，就得到（1，4）的line，然后line[0] 就可以将起点、终止点取出来