Python与OpenCV实现霍夫变换直线检测及交互控制

纸上星河

发布时间：2026-10-13 | 6人浏览过

原创

本文介绍使用Python结合OpenCV库实现霍夫变换检测直线的具体方法。通过HoughLinesP函数获取直线端点，并利用滑动条动态调整最小长度阈值，从而实现对检测线段的交互式筛选与可视化展示。

本文分享了利用Python和OpenCV实现霍夫变换检测直线的完整代码示例，供读者参考学习。

在实现直线检测前，通常需先进行python+opencv实现高斯平滑滤波处理，随后进行python+opencv实现阈值分割操作。

核心功能如下：

主要功能是创建一个滑动条，用于控制检测直线的长度阈值。系统会保留大于该阈值的检测结果，而忽略小于该阈值的线段。需要注意的是，此处使用的是HoughLinesP函数而非HoughLines，因为HoughLinesP直接返回直线的端点坐标，这使得在绘制线段时更为便捷。

具体实现代码如下：

# -*- coding: utf-8 -*- 

import cv2

#两个回调函数
def HoughLinesP(minLineLength):
 global minLINELENGTH 
 minLINELENGTH = minLineLength + 1
 print "minLINELENGTH:",minLineLength + 1
 tempIamge = scr.copy()
 lines = cv2.HoughLinesP( edges, 1, cv2.cv.CV_PI/180, minLINELENGTH, 0 )
 for x1,y1,x2,y2 in lines[0]:
 cv2.line(tempIamge,(x1,y1),(x2,y2),(0,255,0),1)
 cv2.imshow(window_name,tempIamge)

#临时变量
minLineLength = 20

#全局变量
minLINELENGTH = 20
max_value = 100
window_name = "HoughLines Demo"
trackbar_value = "minLineLength"

#读入图片，模式为灰度图，创建窗口
scr = cv2.imread("G:\\homework\\building.bmp")
gray = cv2.cvtColor(scr,cv2.COLOR_BGR2GRAY)
img = cv2.GaussianBlur(gray,(3,3),0)
edges = cv2.Canny(img, 50, 150, apertureSize = 3)
cv2.namedWindow(window_name)

#创建滑动条
cv2.createTrackbar( trackbar_value, window_name, \
  minLineLength, max_value, HoughLinesP)

#初始化
HoughLinesP(20)

if cv2.waitKey(0) == 27: 
 cv2.destroyAllWindows()

代码调用方式如下：

>>> import os
>>> os.chdir("g:\homework")
>>> 
>>> import HoughLines
minLINELENGTH: 20
minLINELENGTH: 21
minLINELENGTH: 22
minLINELENGTH: 23
minLINELENGTH: 25
minLINELENGTH: 26
minLINELENGTH: 27
minLINELENGTH: 28

运行后的效果如图所示：