图解 cv2.HoughLines & cv2.line 参数原理

功能实现：利用cv.HoughLines寻找图像中霍夫直线，然后用cv2.line绘制红色的直线。

拓展：计算整幅图像的平均灰度值，以及经过筛选的霍夫直线的平均灰度值，并进行比较。

目录

一、效果图以及参数讲解 

 图1 原图

 图2 边缘处理后的图像

图3 绘制红色霍夫直线的图像 

lines = cv2.HoughLines(image_edge, 1, np.pi/180, 180)

• image_edge：经过图像边缘处理后的图像
• 1：像素之间的距离为1
• np.pi/180：直线角度范围，2pi/(pi/180) = 360°
• 180：一条预选直线上的最少像素点个数

注意：

如果距离是1，180个像素即可生成直线，如果距离是2，至少360个像素才可以生成直线。

cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 1) 

• img：在图像img上绘制直线
• (x1, y2)、(x2, y2)：直线的两个端点，直接相连便可得到所需直线
• (0, 0, 255)：红色
• 1：设置直线的宽度为1

注意：

直线的两个端点可以是负数。

二、图解霍夫直线的返回参数

cv2.HoughLines 的返回参数 line ==  ，其中，第一个参数表示图像原点距离直线的长度，第二个参数表示沿着x轴的角度大小。

如下图所示，首先通过 cv.HoughLines 得到 line ，此时已经确定了直线的位置，然后需要确定直线上的两个坐标点来充当 cv.line 的输入参数，最后，在源图像上通过 cv.line 来绘制红色直线。

 图4 图解cv2.HoughLines的返回参数

        # 延长直线的长度，保证在整幅图像上绘制直线
        x1 = int(x0 + 2000 * (-b))
        y1 = int(y0 + 2000 * (a))
        x2 = int(x0 - 2000 * (-b))
        y2 = int(y0 - 2000 * (a))

前面讲到， 霍夫直线值仅仅返回两个参数，并不会直接返回直线上的坐标点，我们在选取直线坐标点的时候，需要尽量选取图像外部的点（即负数），这样才会过整幅图像绘制直线。

三、源码（包含注释）

import cv2
import numpy as np
from numpy import mean


# 读取图像以及图像的宽和高
img = cv2.imread('./img.png')
h = img.shape[0]
w = img.shape[1]

# 求取图像的平均灰度值
img_gray = cv2.cvtColor(img, cv2.COLOR_RGBA2GRAY)
all_gray = []
for i in range(h):
    for j in range(w):
        all_gray.append(img_gray[i, j])
print('图像的平均灰度值：', mean(all_gray))

# Canny算子寻找图像的边缘
image_edge = cv2.Canny(img, 200, 200)

# 寻找霍夫直线
lines = cv2.HoughLines(image_edge, 1, np.pi/180, 180)

# 绘画霍夫直线
if lines is not None:
    for n, line in enumerate(lines):
        # 沿着左上角的原点，作目标直线的垂线得到长度和角度
        rho = line[0][0]
        theta = line[0][1]
        # if np.pi / 3 < theta < np.pi * (3 / 4):
        a = np.cos(theta)
        b = np.sin(theta)
        # 得到目标直线上的点
        x0 = a * rho
        y0 = b * rho

        # 延长直线的长度，保证在整幅图像上绘制直线
        x1 = int(x0 + 2000 * (-b))
        y1 = int(y0 + 2000 * (a))
        x2 = int(x0 - 2000 * (-b))
        y2 = int(y0 - 2000 * (a))

        # 连接两点画直线
        # print((x1, y1), (x2, y2))  # (-148, 993) (335, -947)
        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 1)

        # ===============================CAB================================ #
        xDis = x2 - x1  # x的增量
        yDis = y2 - y1  # y的增量
        if (abs(xDis) > abs(yDis)):
            maxstep = abs(xDis)
        else:
            maxstep = abs(yDis)
        xUnitstep = xDis / maxstep  # x每步骤增量
        yUnitstep = yDis / maxstep  # y的每步增量
        x = x1
        y = y1
        average_gray = []
        for k in range(maxstep):
            x = x + xUnitstep
            y = y + yUnitstep
            # print("x: %d, y:%d" % (x, y))
            if 0 < x < h and 0 < y < w:
                # print(img_gray[int(x), int(y)])
                average_gray.append(img[int(x), int(y)])
        print('第{}霍夫直线的平均灰度值：'.format(n), mean(average_gray))  # 平均115，阴影的边界在125以上，堵料的边界在105左右
        # ================================================================== #

    print('直线的数量：', len(lines))
else:
    print('直线的数量：', 0)

# 可视化图像
cv2.imshow('0', img)
cv2.imshow('1', image_edge)
cv2.waitKey(0)

四、拓展

因项目的需求，需要比对霍夫直线和整幅图像的平均灰度值的大小关系，所以在上面的源码中，我把此项功能加入到其中，希望对你有所帮助。

>>> 如有疑问，欢迎评论区一起探讨。