Python openCV检测平行线

Posted 2023-04-17

【中文标题】Python openCV检测平行线

【英文标题】：Python openCV detect parallel lines

【发布时间】：2013-03-24 16:44:39

【问题描述】：

我有一张图片，里面有一些形状。我使用霍夫线检测到线。如何检测哪些线是平行的？

【问题讨论】：

如果这是在 python 中完成的，如标签中所述，您可以使用 scipy 版本的 houghlines，它提供 houghspace 输出图像：参见此处](scikit-image.org/docs/dev/auto_examples/…)。然后，您可以翻转独立轴（theta 或“X”）和从属轴（rho 或“Y”），使 theta 现在是从属轴。在对该霍夫空间图像进行阈值处理后（以获得与最可能的线相对应的 (rho, theta) 的最强烈点），您可以将一条水平线拟合到数据中：theta = constant (y=mx+b with no slope )。

【参考方案1】：

笛卡尔坐标系的方程：

y = k * x + b

两条线 y = k1 * x + b1, y = k2 * x + b2 是平行的，如果 k1 = k2。

所以你需要为每条检测到的线计算系数 k。

为了唯一识别一条线的方程，您需要知道属于该线的两个点的坐标。

在找到带有 HoughLines (С++) 的行之后：

vector<Vec2f> lines;
HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );

您有矢量线，它将检测到的线的参数 (r,theta) 存储在极坐标中。您需要在笛卡尔坐标中传输它们：

这里是 C++ 示例：

for( size_t i = 0; i < lines.size(); i++ )

  float rho = lines[i][0], theta = lines[i][1];
  Point pt1, pt2;
  double a = cos(theta), b = sin(theta);
  double x0 = a*rho, y0 = b*rho;
  pt1.x = cvRound(x0 + 1000*(-b)); //the first point
  pt1.y = cvRound(y0 + 1000*(a)); //the first point
  pt2.x = cvRound(x0 - 1000*(-b)); //the second point
  pt2.y = cvRound(y0 - 1000*(a)); //the second point

得到一条直线的这两点后，就可以计算出它的方程了。

【讨论】：

检测线是否平行检查θ值是否足够？我们可以说 theta 值等于线平行吗？

我认为检查 theta 值就足够了。

【参考方案2】：

HoughLines 以极坐标返回其结果。所以只需检查角度的第二个值。无需转换为 x,y

def findparallel(lines):

lines1 = []
for i in range(len(lines)):
    for j in range(len(lines)):
        if (i == j):continue
        if (abs(lines[i][1] - lines[j][1]) == 0):          
             #You've found a parallel line!
             lines1.append((i,j))


return lines1

【讨论】：

应该是if (abs(lines[i][0][1] - lines[j][0][1]) == 0):

【参考方案3】：

正如约翰所建议的，最简单的方法是检测相似的角度。 OpenCVs HoughLines 函数通过它到原点的距离和角度来表示一条线。

所以你基本上可以做的是用分层聚类算法对不同的角度进行聚类：

from scipy.spatial.distance import pdist
from scipy.cluster.hierarchy import ward, fcluster    

img = cv2.imread('images/img01.bmp')
img_canny = cv2.Canny(img, 50, 200, 3)

lines = cv2.HoughLines(img_canny, 1, 5* np.pi / 180, 150)

def find_parallel_lines(lines):

    lines_ = lines[:, 0, :]
    angle = lines_[:, 1]

    # Perform hierarchical clustering

    angle_ = angle[..., np.newaxis]
    y = pdist(angle_)
    Z = ward(y)
    cluster = fcluster(Z, 0.5, criterion='distance')

    parallel_lines = []
    for i in range(cluster.min(), cluster.max() + 1):
        temp = lines[np.where(cluster == i)]
        parallel_lines.append(temp.copy())

    return parallel_lines