霍夫變換是圖像處理中從圖像中識別幾何形狀的基本方法之一，應用很廣泛，也有很多改進算法。主要用來從圖像中分離出具有某種相同特征的幾何形狀（如，直線，圓等）。
python實現
import cv2 import numpy as np # 使用霍夫直線變換做直線檢測，前提條件：邊緣檢測已經完成 __author__ = "boboa" # 標准霍夫線變換 def line_detection_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) edges = cv2.Canny(gray, 50, 150, apertureSize=3) lines = cv2.HoughLines(edges, 1, np.pi/180, 200) # 函數將通過步長為1的半徑和步長為π/180的角來搜索所有可能的直線 for line in lines: rho, theta = line[0] # line[0]存儲的是點到直線的極徑和極角，其中極角是弧度表示的 a = np.cos(theta) # theta是弧度 b = np.sin(theta) x0 = a * rho y0 = b * rho x1 = int(x0 + 1000 * (-b)) # 直線起點橫坐標 y1 = int(y0 + 1000 * (a)) # 直線起點縱坐標 x2 = int(x0 - 1000 * (-b)) # 直線終點橫坐標 y2 = int(y0 - 1000 * (a)) # 直線終點縱坐標 cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.imshow("image_lines", image) # 統計概率霍夫線變換 def line_detect_possible_demo(image): gray = cv2.cvtColor(image, cv2.COLOR_BGRA2GRAY) edges = cv2.Canny(gray, 50, 150, apertureSize=3) # 函數將通過步長為1的半徑和步長為π/180的角來搜索所有可能的直線 lines = cv2.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50, maxLineGap=10) for line in lines: x1, y1, x2, y2 = line[0] cv2.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.imshow("line_detect_possible_demo", image) if __name__ == "__main__": img = cv2.imread("image/lines.jpg") cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE) cv2.imshow("input image", img) line_detect_possible_demo(img) cv2.waitKey(0) cv2.destroyAllWindows()
標准霍夫線變換運行結果
統計概率霍夫線變換運行結果
標准霍夫線變換cv2.HoughLines(image, rho, theta, threshold[, lines[, srn[, stn[, min_theta[, max_theta]]]]]) -> lines
參數：image-邊緣檢測的輸出圖像，8位，單通道二進制源圖像
rho-距離步長
theta-角度步長
threshold-閾值，只有大於該值的點才有可能被當作極大值，即至少有多少條正弦曲線交於一點才被認為是直線
統計概率霍夫線變換cv2.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]]) -> lines
參數：image-邊緣檢測的輸出圖像，該圖像為單通道8位二進制圖像
rho-參數極徑 
以像素值為單位的分辨率，這里一般使用 1 像素
theta-參數極角 
以弧度為單位的分辨率，這里使用 1度
threshold-檢測一條直線所需最少的曲線交點
minLineLength-線的最短長度，比這個線短的都會被忽略
maxLineGap-兩條線之間的最大間隔，如果小於此值，這兩條線就會被看成一條線。
HoughLinesP，效果更好，檢測圖像中分段的直線（而不是貫穿整個圖像的直線）