原文链接：
opencv直线检测
直线检测相关
Opencv学习笔记—–霍夫变换直线检测及原理理解
OpenCV-Python教程（9、使用霍夫变换检测直线）
Hough变换是经典的检测直线的算法。其最初用来检测图像中的直线，同时也可以将其扩展，以用来检测图像中简单的结构。
变换图示
霍夫直线检测的两种方法
1.获取灰度图像 2.canny边缘检测 3.获取霍夫直线信息 4.算出直线位置，画出每条直线
一：HoughLines霍夫变换
def line_detection(image):
gray </span>=<span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color=""> cv.cvtColor(image,cv.COLOR_BGR2GRAY)
edges </span>= cv.Canny(gray,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">50</span>,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">150</span>,apertureSize=<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">3</span>) #apertureSize是sobel算子大小，只能为1,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">3</span>,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">5</span>，<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">7</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">
lines </span>= cv.HoughLines(edges,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">1</span>,np.pi/<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">180</span>,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">200</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">) #函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线
</span><span style="color: rgb(0, 0, 255); --darkreader-inline-color:#4dbbff;" data-darkreader-inline-color="">for</span> line <span style="color: rgb(0, 0, 255); --darkreader-inline-color:#4dbbff;" data-darkreader-inline-color="">in</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color=""> lines:
<span style="color: rgb(255, 0, 0); --darkreader-inline-color:#ff2727;" data-darkreader-inline-color="">rho,theta </span></span><span style="color: rgb(255, 0, 0); --darkreader-inline-color:#ff2727;" data-darkreader-inline-color="">= line[0] #获取极值ρ长度和θ角度
a = np.cos(theta) #获取角度cos值
b = np.sin(theta) #获取角度sin值
x0 = a * rho #获取x轴值
y0 = b * rho #获取y轴值 x0和y0是直线的中点
x1 = int(x0 + 1000*(-b)) #获取这条直线最大值点x1
y1 = int(y0 + 1000*(a)) #获取这条直线最大值点y1
x2 = int(x0 - 1000 * (-b)) #获取这条直线最小值点x2
y2 = int(y0 - 1000 *</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color=""><span style="color: rgb(255, 0, 0); --darkreader-inline-color:#ff2727;" data-darkreader-inline-color=""> (a)) #获取这条直线最小值点y2 其中*1000是内部规则</span>
cv.line(image,(x1,y1),(x2,y2),(</span><span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">0</span>,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">0</span>,<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">255</span>),<span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">2</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">) <span style="color: rgb(255, 0, 0); --darkreader-inline-color:#ff2727;" data-darkreader-inline-color="">#开始划线</span>
cv.imshow(</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">image line</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">,image)
src </span>= cv.imread(<span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">./l.png</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">) #读取图片
cv.namedWindow(</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">input image</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">,cv.WINDOW_AUTOSIZE) #创建GUI窗口,形式为自适应
cv.imshow(</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">input image</span><span style="color: rgb(128, 0, 0); --darkreader-inline-color:#ffabab;" data-darkreader-inline-color="">"</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">,src) #通过名字将图像和窗口联系
line_detect_possible_demo(src)
cv.waitKey(</span><span style="color: rgb(128, 0, 128); --darkreader-inline-color:#ffabff;" data-darkreader-inline-color="">0</span><span style="color: rgb(0, 0, 0); --darkreader-inline-color:#ffffff;" data-darkreader-inline-color="">) #等待用户操作，里面等待参数是毫秒，我们填写0，代表是永远，等待用户操作
cv.destroyAllWindows() #销毁所有窗口</span></pre><div class="cnblogs_code_toolbar"><span class="cnblogs_code_copy"><a href="javascript:void(0);" onclick="copyCnblogsCode(this)" title="复制代码"><img src="//common.cnblogs.com/images/copycode.gif" alt="复制代码"></a></span></div></div>
相关知识补充
（一）HoughLines方法
def HoughLines(image, rho, theta, threshold, lines=None, srn=None, stn=None, min_theta=None, max_theta=None): # real signature unknown; restored from __doc__
cv.HoughLines(edges,1,np.pi/180,200)
cv2.HoughLines函数输出的是[float, float]形式的ndarray，其中每个值表示检测到的线(ρ , θ)中浮点点值的参数。
第一个参数image：是canny边缘检测后的图像
第二个参数rho和第三个参数theta：对应直线搜索的步长。在本例中，函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线。
最后一个参数threshold：是经过某一点曲线的数量的阈值，超过这个阈值，就表示这个交点所代表的参数对(rho, theta)在原图像中为一条直线
观察前面的例子得到的结果图片，其中Hough变换看起来就像在图像中查找对齐的边界像素点集合。
但这样会在一些情况下导致虚假检测，如像素偶然对齐或多条直线穿过同样的对齐像素造成的多重检测。
二：HoughLinesP概率霍夫变换（是加强版）使用简单，效果更好，检测图像中分段的直线（而不是贯穿整个图像的直线）
def line_detect_possible_demo(image):
gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
edges = cv.Canny(gray, 50, 150, apertureSize=3) # apertureSize是sobel算子大小，只能为1,3,5，7
lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50,maxLineGap=10) #函数将通过步长为1的半径和步长为π/180的角来搜索所有可能的直线
for line in lines:
print(type(line)) #多维数组
x1,y1,x2,y2 = line[0]
cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)
cv.imshow("line_detect_possible_demo",image)
相关知识补充：
（一）HoughLinesP方法
def HoughLinesP(image, rho, theta, threshold, lines=None, minLineLength=None, maxLineGap=None): # real signature unknown; restored from __doc__
cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50,maxLineGap=10)
第一个参数是需要处理的原图像，该图像必须为cannay边缘检测后的图像；
第二和第三参数：步长为1的半径和步长为π/180的角来搜索所有可能的直线
第四个参数是阈值，概念同霍夫变换
第五个参数：minLineLength-线的最短长度，比这个线短的都会被忽略。
第六个参数：maxLineGap-两条线之间的最大间隔，如果小于此值，这两条线就会被看成一条线。
这个函数的返回值就是直线的起点和终点。
作者：
山上有风景
欢迎任何形式的转载，但请务必注明出处。
限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。