Python OpenCV与霍夫变换：检测符合特定斜率范围的直线

        在计算机视觉和图像处理领域，检测图像中的直线是一项常见且重要的任务。OpenCV 提供了许多强大的工具来进行图像处理，其中霍夫变换（Hough Transform）就是用于检测直线的经典方法。本文将介绍如何使用 OpenCV 和霍夫变换来检测图像中符合特定斜率范围的直线，并展示一个完整的 Python 实现。

导入必要的库

首先，我们需要导入必要的 Python 库：

import cv2
import numpy as np
import matplotlib.pyplot as plt

直线筛选函数

我们定义一个函数 filter_lines_by_slope_x_range_and_y 来筛选符合特定斜率范围、x 坐标范围及至少一端 y 坐标大于 min_y 的直线：

def filter_lines_by_slope_x_range_and_y(lines, min_slope=1, max_slope=2, min_x=112, max_x=2400, min_y=310):"""筛选符合斜率范围、x坐标范围及至少一端y坐标大于min_y的直线"""valid_lines = []for line in lines:x1, y1, x2, y2 = line[0]# 检查x坐标是否在指定范围内且至少一端的y坐标大于min_yif (min_x <= x1 <= max_x or min_x <= x2 <= max_x) and (y1 > min_y or y2 > min_y):# 避免除以零错误（垂直线）if x1 == x2:continueslope = (y2 - y1) / (x2 - x1)# 考虑斜率的正负，分别对应不同方向if (min_slope <= slope <= max_slope) or (-max_slope <= slope <= -min_slope):valid_lines.append(line)return valid_lines

读取和预处理图像

我们使用 OpenCV 读取图像，并将其转换为灰度图像，然后应用高斯模糊以减少噪声，最后使用 Canny 边缘检测算法检测图像中的边缘：

# 读取图像
image = cv2.imread('rotated_image.jpg')  # 替换为你的图片路径
if image is None:print("Image not found.")exit()# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 应用高斯模糊减少噪声
gray = cv2.GaussianBlur(gray, (5, 5), 0)# Canny边缘检测
edges = cv2.Canny(gray, 100, 150, apertureSize=3)

检测和筛选直线

我们使用霍夫变换检测图像中的直线，并使用之前定义的函数筛选符合特定斜率范围的直线：

# 使用霍夫变换检测直线，注意此函数返回的是直线段而非参数空间
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=400, minLineLength=100, maxLineGap=50)# 筛选符合斜率范围的直线
valid_lines = filter_lines_by_slope_x_range_and_y(lines)

处理和保存检测到的直线信息

我们假设 valid_lines 只包含了一条满足条件的直线，并计算其斜率。如果检测到的直线为垂直线，则斜率为无穷大或用特殊标识表示：

# 假设valid_lines只包含了一条满足条件的直线
if valid_lines:# 获取唯一满足条件的直线line = valid_lines[0]x1, y1, x2, y2 = line[0]# 计算斜率，注意处理除以零的情况if x1 != x2:slope = (y2 - y1) / (x2 - x1)else:slope = 'Vertical'  # 或者用其他方式表示垂直线# 打印或保存直线信息print(f"Detected Line: ({x1}, {y1}) to ({x2}, {y2}), Slope: {slope}")# 保存至文件（示例：文本文件）with open('line_info.txt', 'w') as file:file.write(f"Start Point: ({x1}, {y1})\nEnd Point: ({x2}, {y2})\nSlope: {slope}\n")
else:print("No valid line detected.")

绘制并显示检测到的直线

我们将筛选后的直线绘制在图像上，并使用 matplotlib 显示结果：

# 绘制筛选后的直线
if valid_lines is not None:for line in valid_lines:x1, y1, x2, y2 = line[0]cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 红色绘制直线# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('Detected Lines with Slope between 1 to 2')
plt.show()

完整代码

以下是完整的代码：

import cv2
import numpy as np
import matplotlib.pyplot as pltdef filter_lines_by_slope_x_range_and_y(lines, min_slope=1, max_slope=2, min_x=112, max_x=2400, min_y=310):"""筛选符合斜率范围、x坐标范围及至少一端y坐标大于min_y的直线"""valid_lines = []for line in lines:x1, y1, x2, y2 = line[0]# 检查x坐标是否在指定范围内且至少一端的y坐标大于min_yif (min_x <= x1 <= max_x or min_x <= x2 <= max_x) and (y1 > min_y or y2 > min_y):# 避免除以零错误（垂直线）if x1 == x2:continueslope = (y2 - y1) / (x2 - x1)# 考虑斜率的正负，分别对应不同方向if (min_slope <= slope <= max_slope) or (-max_slope <= slope <= -min_slope):valid_lines.append(line)return valid_lines# 读取图像
image = cv2.imread('rotated_image.jpg')  # 替换为你的图片路径
if image is None:print("Image not found.")exit()# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 应用高斯模糊减少噪声
gray = cv2.GaussianBlur(gray, (5, 5), 0)# Canny边缘检测
edges = cv2.Canny(gray, 100, 150, apertureSize=3)# 使用霍夫变换检测直线，注意此函数返回的是直线段而非参数空间
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=400, minLineLength=100, maxLineGap=50)# 筛选符合斜率范围的直线
valid_lines = filter_lines_by_slope_x_range_and_y(lines)# 假设valid_lines只包含了一条满足条件的直线
if valid_lines:# 获取唯一满足条件的直线line = valid_lines[0]x1, y1, x2, y2 = line[0]# 计算斜率，注意处理除以零的情况if x1 != x2:slope = (y2 - y1) / (x2 - x1)else:slope = 'Vertical'  # 或者用其他方式表示垂直线# 打印或保存直线信息print(f"Detected Line: ({x1}, {y1}) to ({x2}, {y2}), Slope: {slope}")# 保存至文件（示例：文本文件）with open('line_info.txt', 'w') as file:file.write(f"Start Point: ({x1}, {y1})\nEnd Point: ({x2}, {y2})\nSlope: {slope}\n")
else:print("No valid line detected.")# 绘制筛选后的直线
if valid_lines is not None:for line in valid_lines:x1, y1, x2, y2 = line[0]cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)  # 红色绘制直线# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.title('Detected Lines with Slope between 1 to 2')
plt.show()

注意：由于传统视觉处理的限制，代码中的限制条件均需根据自己的图像实际需求进行限制，限制完成后任有多余线条，可调节霍夫变换函数的相关参数，基本能满足需求！！！

结语

        本文介绍了如何使用 OpenCV 和霍夫变换检测图像中的直线，并筛选出符合特定斜率范围的直线。通过这种方法，我们可以更加精确地处理图像中的特定特征。如果你有任何问题或建议，欢迎在评论区留言讨论。