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：
python
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：
python
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_y
if (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:
continue
slope = (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：
python
# 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：
python
# 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：
python
# 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：
python
# 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：
python
import cv2
import numpy as np
import matplotlib.pyplot as plt
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_y
if (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:
continue
slope = (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。