我需要有关我一直在研究的算法的帮助。我试图检测阈值图像中的所有线条，检测所有线条，然后仅输出平行的线条。阈值图像输出我感兴趣的对象，然后我通过精明的边缘检测器过滤该图像。然后将该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（然后计算角度）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。我可以在图像中画一条假想线，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，这让我感到困惑。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仅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。我尝试了这个，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。

将霍夫变换投影到角度轴上。这将为您提供作为 theta 函数的一维信号，该信号与该方向上的“线量”成正比。该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，即给出 θ。

现在返回霍夫变换图像，并使用该 θ 值检测峰值（可能允许一点摆动）。现在您将在该方向上获得所有平行线。

抱歉，我无法为您提供适用于的代码cv2.HoughLinesP，我不知道这个功能。我希望这个描述能为您提供一个起点。