使用 Hough Transform、OpenCV 和 python 进行平行线检测

Question

我需要有关我一直在工作的算法的帮助。 我试图检测阈值图像中的所有线条，检测所有线条，然后仅输出那些平行的线条。 阈值图像输出我感兴趣的对象，然后我通过一个精明的边缘检测器过滤这个图像。 然后将此边缘图像通过概率霍夫变换。 现在，我希望该算法能够检测任何图像中的平行线。 我想通过尝试检测所有线的坐标并计算它们的斜率（然后是角度）来做到这一点。 平行线必须具有相同或几乎相同的角度，这样我只能输出具有相同角度的线。 我可以在图像中绘制一条假想线，然后将其用作图像中所有检测到的线的参考？ 我只是不明白如何使用通过函数 cv2.HoughLinesP() 检测到的所有线的坐标。 这个函数的文档说输出是一个 4D 数组，这让我很困惑。 这是我的代码的一部分：

通过概率霍夫变换进行线检测

rho_res = .1 # [pixels]

theta_res = np.pi / 180. # [radians]

threshold = 50 # [# votes]

min_line_length = 100 # [pixels]

max_line_gap = 40 # [pixels]

lines = cv2.HoughLinesP(edge_image, rho_res, theta_res, threshold, np.array([]),

                        minLineLength=min_line_length, maxLineGap=max_line_gap)

画线

    if lines is not None:
                for i in range(0, len(linesP)):
                    coords = lines[i][0]
                    slope = (float(coords[3]) - coords[1]) / (float(coords[2]) - coords[0])
                    cv2.line(img, (coords[0], coords[1]), (coords[2], coords[3]), (0,0,255), 2, cv2.LINE_AA)

关于如何推断所有检测到的线然后只输出平行线的任何想法？ 我在网上尝试了一些算法，但似乎都不起作用。 同样，我的问题是理解和使用函数 cv2.HoughLinesP() 的输出变量。 我还找到了一个应该计算斜率的代码。 我试过了，但只是给了我一个值（一个斜率）。 我想要图像中所有线条的斜率。

Answer 1

使用atan2函数计算0..Pi范围内所有线的斜率（角度）。 要通过正角度限制范围，请将Pi添加到负结果。

按斜率对结果进行排序。 遍历排序列表，为接近的值建立联合——这些线几乎平行。 请注意，对于略有不同的邻居值，您可能有很长的系列，但系列的开始和结束可能会有很大不同。 所以使用一些（角度）阈值来中断系列运行。

Answer 2

将霍夫变换投影到角度轴上。 这为您提供了作为 theta 函数的一维信号，该信号与该方向的“线量”成正比。 此信号中的峰值表示具有许多平行线的方向。 找到最大的峰值，它会给你一个 theta。

现在回到霍夫变换图像，并用这个 theta 值检测峰值（也许允许一点点摆动）。 现在您将在此方向上拥有所有平行线。

抱歉，我无法为您提供适用于cv2.HoughLinesP代码，我不知道此功能。 我希望这个描述能给你一个起点。

Answer 3

我只是不明白如何使用通过函数 cv2.HoughLinesP() 检测到的所有线的坐标。 这个函数的文档说输出是一个 4D 数组，这让我很困惑。

4D 数组只是检测到的线的输出向量。 每条线由一个 4 元素向量 (x1, y1, x2, y2) 表示，其中 (x1,y1) 和 (x2, y2) 是每个检测到的线段的终点。

请参阅所附图片以了解这些含义。 请记住，那些协调的人在图像空间中。