import cv2
import numpy as np
# 展示图像，封装成函数
def cv_show_image(name, img):
cv2.imshow(name, img)
cv2.waitKey(0) # 等待时间，单位是毫秒，0代表任意键终止
cv2.destroyAllWindows()
# 总流程
# 1.获取灰度图像，转成二值图像
# 2.canny边缘检测，获取图像边缘信息。减少计算量
# 3.获取霍夫直线信息，可以使用HoughLines 或者 HoughLinesP函数
# 4.算出直线位置，根据不同的使用函数，获取相应的值，画出每条直线
# 第一步：读取图像
img = cv2.imread("images/build.jpeg")
height = img.shape[0] # 高度
width = img.shape[1] # 宽度
# 第二步：转成灰度图和二值图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, gray = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show_image('gray_img', gray)
# 第三步：使用canny边缘检测，检测出所有的边缘信息
edges = cv2.Canny(gray, threshold1=20, threshold2=100, apertureSize=3) # apertureSize 是sobel算子的大小
cv_show_image('canny_img', edges)
# 第四步：使用直线检测，并画出直线。
# 第四步第一种方法：使用HoughLines
# dst: 输出图像. 它应该是个灰度图 (但事实上是个二值化图)
# lines: 返回值：储存着检测到的直线的参数对 (x_{start}, y_{start}, x_{end}, y_{end}) 的容器，结构如[[[x1,y1,x2,y2]],[[...]]]
# rho : 参数极半径 r 以像素值为单位的分辨率. 我们使用 1 像素为步长.
# theta: 参数极角 theta 以弧度为单位的分辨率. 我们使用 1度 (即CV_PI/180)为步长.
# threshold: 控制检测出线段的条件。设置阈值： 一条直线所需最少的的曲线在一点相交，超过设定阈值才被检测出线段，值越大，
# 基本上意味着检出的线段越长，检出的线段个数越少。因为阈值越大，超过阈值的点越少，即xy平面的直线越少，但是因为阈值越大，说明检测出在同一条直线上的点越多，即直线越长。这个参数是针对参数空间而言的，在参数空间中一条曲线就代表在xy平面上的一个点
# minLinLength: 能组成一条直线的最少点的数量. 点数量不足的直线将被抛弃，其实这个参数的意义跟上一个很类似，只是这个参数是针对xy平面而言的，即当组成直线的点达到一点数量的时候才被检测出为线段，否则过滤掉
# maxLineGap: 控制检测出直线长短，在同一条直线上的点，能够被连接的最大距离，越大得到的线越长，如下图，点在直线上，若此时距离maxlineGap小于设定的值，则连接，否则就不连接
lines = cv2.HoughLines(image=edges, rho=1, theta=np.pi / 180, threshold=100) # #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
print(lines.shape)
result = img.copy()
for line in lines:
# print(type(line)) #多维数组
rho, theta = 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 * (a)) # 获取这条直线最小值点y2 其中*1000是内部规则
cv2.line(result, (x1, y1), (x2, y2), (0, 0, 255), 2) # 开始划线
cv_show_image('HoughLines_result_img', result)
# 第四步方法二：使用HoughLinesP
# 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）
minLineLength = 30 # height/32
maxLineGap = 10 # height/40
lines = cv2.HoughLinesP(image=edges, rho=1, theta=np.pi / 180, threshold=80,
minLineLength=minLineLength, maxLineGap=maxLineGap)
print(lines.shape)
result = img.copy()
for line in lines:
# print(type(line)) # 多维数组
x1,y1,x2,y2 = line[0]
cv2.line(result, (x1, y1), (x2, y2), (0, 0, 255), 2) # 开始划线
cv_show_image('HoughLinesP_result_img', result)
效果展示
二值图像：
canny边缘检测
使用 HoughLines 函数得到的结果，发现这个直线会穿过整个图像
使用 HoughLinesP 函数得到的结果，发现这个直线就是图像中的直线长度
最后是参考的资料地址
参考：
OpenCV—直线检测
霍夫线变换
