OpenCV Python 如何实现概率霍夫变换

概率霍夫变换是霍夫变换的一种优化方法。霍夫变换即使对于只有两个参数的直线也需要大量计算。概率霍夫变换不考虑所有的点，只需要一个随机子集的点就足够进行直线检测。我们可以按照以下步骤在图像上实现概率霍夫变换：

导入所需的库。在以下所有示例中，所需的Python库是 OpenCV 。请确保已经安装了它。
使用 cv2.imread() 来读取输入图像。使用该方法读取的RGB图像是BGR格式的。可选择将读取的BGR图像赋值给img。
现在使用 cv2.cvtColor() 函数将此BGR图像转换为灰度图像。可选择将转换后的灰度图像赋值给gray。
对灰度图像应用阈值处理，将其转换为二值图像。调整第二个参数（threshValue）以获得更好的二值图像。
使用Canny边缘检测器在二值图像中找到边缘（您也可以使用其他边缘检测器来检测边缘）。

edges = cv2.Canny(gray,50,200,apertureSize = 3)

应用概率霍夫变换在边缘图像上使用 cv2.HoughLinesP() 。它返回检测到的线条的坐标。

lines = cv2.HoughLinesP(edges, 1, np.pi/180, 50, minLineLength, maxLineGap)

在图像上画线并显示输出图像。

让我们看一些示例，以便更清楚地理解。

输入图像

我们将在下面的示例中使用此图像作为输入文件。

OpenCV Python 如何实现概率霍夫变换

示例

在此示例中，我们使用以下线条属性对图像进行概率霍夫线变换 −

minLineLength = 10
maxLineGap = 5

# import required libraries
import cv2
import numpy as np

# read the input image
img = cv2.imread('sudoku.jpg')

# convert the input image to grayscale image
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# find the edges using Canny edge detector
edges = cv2.Canny(gray,50,200,apertureSize = 3)
minLineLength = 10
maxLineGap = 5

# apply probabilistic Hough transform
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength,maxLineGap)
for line in lines:
   for x1,y1,x2,y2 in line:
      cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
cv2.imshow('houghlines.jpg',img)
cv2.imshow('edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()