如何在 OpenCV Python 中實現機率霍夫變換？

機率霍夫變換是霍夫變換的一種最佳化。即使對於具有兩個引數的直線，霍夫變換也需要大量的計算。機率霍夫變換不會考慮所有點，它只考慮點的隨機子集，這對於直線檢測就足夠了。我們可以按照以下步驟在影像上實現機率霍夫變換：

匯入所需的庫。在以下所有示例中，所需的 Python 庫是OpenCV。確保您已安裝它。
使用cv2.imread()讀取輸入影像。使用此方法讀取的 RGB 影像為 BGR 格式。可以選擇將讀取的 BGR 影像分配給 img。
現在，使用cv2.cvtColor()函式將此 BGR 影像轉換為灰度影像，如下所示。可以選擇將轉換後的灰度影像分配給 gray。
對灰度影像應用閾值處理，將其轉換為二值影像。調整第二個引數 (threshValue) 以獲得更好的二值影像。
使用 Canny 邊緣檢測器（您可以使用任何其他邊緣檢測器來檢測邊緣）查詢二值影像中的邊緣。

edges = cv2.Canny(gray,50,200,apertureSize = 3)

使用cv2.HoughLinesP()對邊緣影像應用機率霍夫變換。它返回檢測到的直線的座標。

lines = cv2.HoughLinesP(edges, 1, np.pi/180, 50, minLineLength, maxLineGap)

在影像上繪製直線並顯示輸出影像。

讓我們看一些示例，以便更好地理解。

輸入影像

我們將在下面的示例中使用此影像作為輸入檔案。

示例

在此示例中，我們找到具有以下直線屬性的影像上的機率霍夫線變換：

minLineLength = 10
maxLineGap = 5

# import required libraries
import cv2
import numpy as np

# read the input image
img = cv2.imread('sudoku.jpg')

# convert the input image to grayscale image
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# find the edges using Canny edge detector
edges = cv2.Canny(gray,50,200,apertureSize = 3)
minLineLength = 10
maxLineGap = 5

# apply probabilistic Hough transform
lines = cv2.HoughLinesP(edges,1,np.pi/180,50,minLineLength,maxLineGap)
for line in lines:
   for x1,y1,x2,y2 in line:
      cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)
cv2.imshow('houghlines.jpg',img)
cv2.imshow('edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()