使用 Hough Transform、OpenCV 和 python 進行平行線檢測

Question

我需要有關我一直在工作的算法的幫助。 我試圖檢測閾值圖像中的所有線條，檢測所有線條，然后僅輸出那些平行的線條。 閾值圖像輸出我感興趣的對象，然后我通過一個精明的邊緣檢測器過濾這個圖像。 然后將此邊緣圖像通過概率霍夫變換。 現在，我希望該算法能夠檢測任何圖像中的平行線。 我想通過嘗試檢測所有線的坐標並計算它們的斜率（然后是角度）來做到這一點。 平行線必須具有相同或幾乎相同的角度，這樣我只能輸出具有相同角度的線。 我可以在圖像中繪制一條假想線，然后將其用作圖像中所有檢測到的線的參考？ 我只是不明白如何使用通過函數 cv2.HoughLinesP() 檢測到的所有線的坐標。 這個函數的文檔說輸出是一個 4D 數組，這讓我很困惑。 這是我的代碼的一部分：

通過概率霍夫變換進行線檢測

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)

畫線

    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)

關於如何推斷所有檢測到的線然后只輸出平行線的任何想法？ 我在網上嘗試了一些算法，但似乎都不起作用。 同樣，我的問題是理解和使用函數 cv2.HoughLinesP() 的輸出變量。 我還找到了一個應該計算斜率的代碼。 我試過了，但只是給了我一個值（一個斜率）。 我想要圖像中所有線條的斜率。

Answer 1

使用atan2函數計算0..Pi范圍內所有線的斜率（角度）。 要通過正角度限制范圍，請將Pi添加到負結果。

按斜率對結果進行排序。 遍歷排序列表，為接近的值建立聯合——這些線幾乎平行。 請注意，對於略有不同的鄰居值，您可能有很長的系列，但系列的開始和結束可能會有很大不同。 所以使用一些（角度）閾值來中斷系列運行。

Answer 2

將霍夫變換投影到角度軸上。 這為您提供了作為 theta 函數的一維信號，該信號與該方向的“線量”成正比。 此信號中的峰值表示具有許多平行線的方向。 找到最大的峰值，它會給你一個 theta。

現在回到霍夫變換圖像，並用這個 theta 值檢測峰值（也許允許一點點擺動）。 現在您將在此方向上擁有所有平行線。

抱歉，我無法為您提供適用於cv2.HoughLinesP代碼，我不知道此功能。 我希望這個描述能給你一個起點。

Answer 3

我只是不明白如何使用通過函數 cv2.HoughLinesP() 檢測到的所有線的坐標。 這個函數的文檔說輸出是一個 4D 數組，這讓我很困惑。

4D 數組只是檢測到的線的輸出向量。 每條線由一個 4 元素向量 (x1, y1, x2, y2) 表示，其中 (x1,y1) 和 (x2, y2) 是每個檢測到的線段的終點。

請參閱所附圖片以了解這些含義。 請記住，那些協調的人在圖像空間中。