(opencv+python) 在使用概率霍夫线变换时去除重叠线

Question

美好的一天！ 我对python还是很陌生。 我正在开发一个可以检测行人线的程序。 我的问题是，当使用概率霍夫变换时，检测到线条但它们彼此重叠。 如何摆脱重叠的线条？ 这是我的代码：

import cv2
import numpy as np
import math
from matplotlib import pyplot as plt
from calibrate import undist

def auto_canny(img, sigma = 0.5):
    v = np.median(img)

    lower = int(max(0,(1.0-sigma)*v))
    upper = int(min(255,(1.0+sigma)*v))
    edged = cv2.Canny(img, lower, upper)
    edged = cv2.dilate(edged, None, iterations=1)
    edged = cv2.erode(edged, None, iterations=1)

    return edged

img  = cv2.imread('sample.jpg')
img.shape
green = img[:,:,1]
blurred = cv2.GaussianBlur(green, (5,5), 0)

autoEdges = auto_canny(blurred)

minLineLength = img.shape[1]-10000
lines = cv2.HoughLinesP(image=autoEdges,rho=1,theta=np.pi/500,threshold=10,lines=np.array([]),minLineLength=minLineLength,maxLineGap=90)

a,b,c = lines.shape
for i in range(a):
    xst=lines[i][0][0]
    yst=lines[i][0][1]
    xnd=lines[i][0][2]
    ynd=lines[i][0][3]
    cv2.line(img,(xst, yst), (xnd, ynd), (0,0,255), 1, cv2.LINE_AA)
    l = math.sqrt(((abs(xnd-xst))^2) + ((abs(ynd-yst))^2))
    rho = (xst*ynd - xnd*yst)/l
    dist = abs(rho)
    m = (ynd - yst)/(xnd-xst)   
    print (dist,m)


cv2.imshow('result',img)
cv2.imshow('canny',autoEdges)

k = cv2.waitKey(0)
if k == 27:
    cv2.destroyAllWindows()
elif k == ord('a'):
    cv2.imwrite('OUTPUTCANNY.png',autoEdges)
    cv2.imwrite('OUTPUTCANNYWITHHOUGH.png',img)
    cv2.destroyAllWindows()

这些是每行的输出值（rho，slope）：

(2138.987461393825, 0)

(9352.1609578182488, 0)

(2786.3685089632231, 0)

(459.45861938801005, 0)

(74.176540269582901, 0)

(7768.377424418768, 0)

(4323.5582400556614, 0)

(1457.9223924831122, 0)

(4029.5491996504829, 0)

(353.1785277501566, 0)

(3429.0843443517056, 0)

(687.44444444444446, 0)

(1001.540320481475, 0)

(4891.3687385623834, 0)

(6324.1371540947503, 0)

(5782.5260784389111, 0)

(2142.4394280125407, 0)

(3419.373032213327, 0)

(79.606923443428798, 0)

(4081.4477628728268, 0)

(2548.076237638998, 0)

(2075.2538668232146, 0)

(96.599999999999994, 0)

(28.918275651682048, 0)

(457.23808531952665, 0)

(563.81287237538288, 0)

(4522.6641535572326, 0)

(21.58204381​​8522273, 0)

(2072.2164335243606, 0)

(446.51735688548547, 0)

(4145.9017474324037, 0)

(181.84369168362207, 0)

(2232.0294867294269, 0)

(2003.5982177527055, 0)

(5148.1880307541214, 0)

(654.14939315987181, 0)

(114.49162997063731, 0)

(1256.9505554297596, 0)

(1765.2144695745915, 0)

(835.27600228906385, 0)

(331.66247903554, 0)

(433.90321501459283, 0)

(80.786267723119749, 0)

(678.50865875094041, 0)

(75.599999999999994, 0)

(1698.1082622291476, 0)

(4893.1250194343038, 0)

(870.45171061088456, 0)

(714.65656087382285, 0)

(605.84788121475981, 0)

(2227.8458409210211, 0)

(475.17575695735991, 0)

(6150.4292926708586, 0)

(2489.7061482035415, 0)

(75.894663844041105, 0)

(603.33333333333337, 0)

(973.49884437527714, 0)

假设应该检测到 14 条线（边缘），但如上面的数据（rho，slope）所示，总共检测到 72 条线。 任何人都可以提出一种消除这些不必要线条的方法吗？ 谢谢。

Answer 1

对于那种问题，不要考虑语言特定的问题。

让我先澄清你的问题。 我将举一个我之前的实验的例子。
（我创建了一个新帐户，因此我的声誉很低并且图像显示为链接）

这是我的原始图像： original_image

当我使用 HoughLinesP 时，我得到了这样的结果： houghlinep_result
我很高兴只看到两行，但我得到了类似这样的行列表：

[[[  0  59 104   3]]
 [[  2  59  56  32]]
 [[ 96   3 174  57]]
 [[  4  59  49  36]]
 [[125  25 174  58]]
 [[ 53  34  99   7]]
 [[111  12 165  50]]]

我的目标是有两行： better_result

[[  0  59 104   3]
 [ 96   3 174  57]]

这就是我想要的，因为它们在同一条线上，具有不同的长度和非常相似的角度。

如果我的问题的这个解决方案是您所需要的，您可以找到两点之间的角度并检查是否已经存在类似的角度。

一小部分示例：

lines = cv2.HoughLinesP(img, rho, theta, threshold, np.array([]), min_line_length, max_line_gap)
cleans = np.empty(shape=[0,4], dtype=np.int32)

for l in lines:
        alfa = degrees(atan2(l[0][2]-l[0][0], l[0][3]-l[0][1]))

        if len(cleans) == 0:
            cleans = np.append(cleans, [l[0]], axis=0)
            continue

        similar = False
        for c in cleans:
            beta = degrees(atan2(c[2]-c[0], c[3]-c[1]))
            if abs(alfa-beta) <= 3.5:
                similar = True
                break

        if not similar:
            cleans = np.append(cleans, [l[0]], axis=0)

    print(cleans)

    for line in [cleans]:
        for x1,y1,x2,y2 in line:
            cv2.line(img,(x1,y1),(x2,y2),255,2)

它使用atan2函数找到两点之间的角度。
请记住，代码没有优化。
它将角度与示例中的阈值3.5进行比较。
如果低于阈值，则认为是相似线，不添加到干净数组中。

在您的问题中，如果您有超过 2 条线并且可能在不同坐标中具有相似的角度，则您必须进行额外检查，可能使用网格大小。
如果是这种情况，请分享几个屏幕截图。