OpenCVSharp：使用霍夫变换检测直线

概述

霍夫变换(Hough Transform)是一种强大的计算机视觉技术，用于检测图像中的特定几何形状（如直线、圆形、椭圆等）。它通过将图像空间中的点映射到参数空间，将形状检测问题转换为参数空间中的峰值检测问题。对于直线检测，霍夫变换将图像中的每个边缘点映射到参数空间(ρ,θ)中的一条曲线，其中ρ表示直线到原点的距离，θ表示直线的角度。当多条曲线在参数空间中相交于同一点时，表明图像中存在对应的直线。这种方法的优点是对噪声和部分遮挡具有鲁棒性，能够检测不完整的形状，因此在道路检测、工业检测和文档分析等领域有广泛应用。

实践

// 读取图像 usingvar imgGray = new Mat(ImagePath, ImreadModes.Grayscale); usingvar imgStd = new Mat(ImagePath, ImreadModes.Color); usingvar imgProb = imgStd.Clone(); if (imgGray.Empty()) { MessageBox.Show("无法加载图像", "错误", MessageBoxButton.OK, MessageBoxImage.Error); return; } // 预处理 - Canny边缘检测 var sw = new Stopwatch(); sw.Start(); Cv2.Canny(imgGray, imgGray, CannyThreshold1, CannyThreshold2, 3, false); sw.Stop(); CannyTime = $"Canny边缘检测耗时: {sw.ElapsedMilliseconds} 毫秒 (阈值1={CannyThreshold1}, 阈值2={CannyThreshold2})"; CannyImage = ConvertMatToBitmapImage(imgGray); // 运行标准霍夫变换 sw.Start(); LineSegmentPolar[] segStd = Cv2.HoughLines(imgGray, 1, Math.PI / 180, (int)HoughThreshold, 0, 0); sw.Stop(); int limit = Math.Min(segStd.Length, 10); for (int i = 0; i < limit; i++) { // 绘制结果线条 float rho = segStd[i].Rho; float theta = segStd[i].Theta; double a = Math.Cos(theta); double b = Math.Sin(theta); double x0 = a * rho; double y0 = b * rho; Point pt1 = new Point { X = (int)Math.Round(x0 + 1000 * (-b)), Y = (int)Math.Round(y0 + 1000 * (a)) }; Point pt2 = new Point { X = (int)Math.Round(x0 - 1000 * (-b)), Y = (int)Math.Round(y0 - 1000 * (a)) }; imgStd.Line(pt1, pt2, Scalar.Red, 3, LineTypes.AntiAlias, 0); } StandardHoughTime = $"标准霍夫变换耗时: {sw.ElapsedMilliseconds} 毫秒 (检测到 {segStd.Length} 条线)"; StandardHoughImage = ConvertMatToBitmapImage(imgStd); // 运行概率霍夫变换 sw.Restart(); LineSegmentPoint[] segProb = Cv2.HoughLinesP(imgGray, 1, Math.PI / 180, (int)HoughThreshold, (int)MinLineLength, (int)MaxLineGap); sw.Stop(); foreach (LineSegmentPoint s in segProb) { imgProb.Line(s.P1, s.P2, Scalar.Red, 3, LineTypes.AntiAlias, 0); } ProbabilisticHoughTime = $"概率霍夫变换耗时: {sw.ElapsedMilliseconds} 毫秒 (检测到 {segProb.Length} 条线)"; ProbabilisticHoughImage = ConvertMatToBitmapImage(imgProb);

这个过程包含读取图像、Canny边缘检测、霍夫变换与概率霍夫变换。

Canny边缘检测

Canny边缘检测是一种多级边缘检测算法，由John F. Canny在1986年提出，被广泛认为是计算机视觉中最优秀的边缘检测方法之一。该算法通过四个主要步骤实现：首先使用高斯滤波器平滑图像以减少噪声，然后计算图像梯度的幅值和方向，接着应用非极大值抑制来细化边缘（保留梯度方向上的局部最大值），最后使用双阈值处理和滞后阈值技术来连接边缘并消除假边缘。Canny算法的优势在于它能够产生细而连续的边缘，具有良好的信噪比和定位精度，并且能够有效检测弱边缘，因此在图像分割、特征提取和物体识别等计算机视觉任务中得到广泛应用。

查看Cv2.Canny方法签名：

public static void Canny(InputArray src, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false)

查看参数：

阈值选择建议

典型比例：threshold2 ≈ 2-3 × threshold1

低阈值(threshold1)：通常设置为50-100

高阈值(threshold2)：通常设置为150-200

霍夫变换

霍夫变换(Hough Transform)是一种强大的计算机视觉技术，用于检测图像中的特定几何形状（如直线、圆形、椭圆等）。它通过将图像空间中的点映射到参数空间，将形状检测问题转换为参数空间中的峰值检测问题。对于直线检测，霍夫变换将图像中的每个边缘点映射到参数空间(ρ,θ)中的一条曲线，其中ρ表示直线到原点的距离，θ表示直线的角度。当多条曲线在参数空间中相交于同一点时，表明图像中存在对应的直线。

查看Cv2.HoughLines的方法签名：

public static LineSegmentPolar[] HoughLines( InputArray image, double rho, double theta, int threshold, double srn = 0, double stn = 0)

这是OpenCV中标准霍夫变换函数的实现，用于在二值图像中检测直线。

查看参数：

注意看这个方法返回的是LineSegmentPolar[]，LineSegmentPolar是OpenCV中用于表示极坐标直线的结构体。

得到的这个数组如下所示：

那么我们就要将霍夫变换检测到的极坐标直线转换为笛卡尔坐标，并在图像上绘制这些直线。

概率霍夫变换

概率霍夫变换(Probabilistic Hough Transform)是标准霍夫变换的一种优化改进版本，它通过随机采样和概率统计的方法大幅提高了直线检测的计算效率。与标准霍夫变换检测无限长直线不同，概率霍夫变换直接检测有限长度的线段，并返回线段的两个端点坐标，使结果更加实用。该算法通过最小线长和最大线间隙参数控制检测质量，只保留满足长度要求且连接性良好的线段，同时利用随机梯度上升策略减少计算量，使其在处理大图像或实时应用场景中具有明显优势，特别适用于道路检测、文档分析等需要快速准确检测线段的实际应用。

查看Cv2.HoughLinesP的方法签名：

public static LineSegmentPoint[] HoughLinesP( InputArray image, double rho, double theta, int threshold, double minLineLength = 0, double maxLineGap = 0)

这是OpenCV中概率霍夫变换函数的实现，用于在二值图像中检测线段。

查看参数：

返回的是LineSegmentPoint[]，这是OpenCV中用于表示笛卡尔坐标线段的结构体，如下图所示：

然后使用Line方法绘制直线即可。

查看Line方法的签名：

public void Line(Point pt1, Point pt2, Scalar color, int thickness = 1, LineTypes lineType = LineTypes.Link8, int shift = 0)

查看参数：

最后的效果如下所示：