Opencv 学习笔记：边缘检测 + 霍夫变换精准查找直线

        在工业检测、文档分析等场景中，从图像中提取边缘并精准查找直线是核心需求。本文通过 “Canny 边缘检测 + 形态学闭运算 + 霍夫变换” 的组合流程，演示直线提取的完整实现，新手可直接复用。

核心代码实现

import cv2 as cv
import numpy as np

# 1. 读取图像并转灰度
src = cv.imread('.\\image\\11.bmp')
if src is None:
print('could not load image')
exit()
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)

# 2. Canny边缘检测（双阈值：100/200）
threshold1 = 100
edges = cv.Canny(gray, threshold1, threshold1*2, apertureSize=3)

# 3. 闭运算优化边缘：填补边缘断裂，强化直线特征
kernel = cv.getStructuringElement(cv.MORPH_RECT, (5, 3))
closed1 = cv.morphologyEx(edges, cv.MORPH_CLOSE, kernel)

# 4. 概率霍夫变换查找直线
lines = cv.HoughLinesP(closed1, 1, np.pi/180, 10, minLineLength=200, maxLineGap=100)

# 5. 创建纯白画布绘制检测到的直线
outimage = np.zeros((src.shape[0], src.shape[1]), np.uint8)
outimage.fill(255)

# 6. 绘制直线并显示
cv.imshow('edges', closed1)
print(f"检测到的直线数量：{len(lines)}") # 打印直线数量便于调试

if lines is not None:
for line in lines:
x1, y1, x2, y2 = line[0]
cv.line(outimage, (x1, y1), (x2, y2), (0, 0, 0), 2) # 黑色直线更清晰

# 自适应窗口显示（匹配原图尺寸）
cv.namedWindow('outimage', cv.WINDOW_NORMAL)
cv.resizeWindow('outimage', src.shape[1], src.shape[0])
cv.imshow('outimage', outimage)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 核心流程拆解

2. 霍夫变换关键参数

• rho=1：距离分辨率（像素）；
• theta=np.pi/180：角度分辨率（弧度）；
• threshold=10：检测阈值（投票数≥此值才判定为直线）；
• minLineLength=200：最小直线长度（过滤短杂线）；
• maxLineGap=100：直线段最大间隙（间隙内的线段视为同一直线）。

3. 优化与避坑点

• Canny 阈值调整：若边缘漏检，降低 threshold1；若噪点多，提高 threshold1；
• 闭运算核尺寸：核越大，边缘填补效果越强，需根据直线粗细调整；
• 空值判断：新增if lines is not None，避免无直线时索引报错；
• 颜色适配：灰度画布用(0,0,0)（黑色）绘制直线，比绿色更清晰。

总结