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。