由于学习需要，我想要检测出图片中的直线，并且得到这些直线的角度。于是我在网上搜了好多直线检测的代码，但是没有搜到附有计算直线倾斜角度的代码，所以我花了一点时间，自己写了一份直线检测并测出倾斜角度的代码，希望能够帮助到大家！
注：这份代码只能够检测简单结构图片的直线，复杂结构的图片还需要设置合理的参数
下面展示 源码。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
|
import cv2
import numpy as np
def line_detect(image):
# 将图片转换为hsv
hsv = cv2.cvtcolor(image, cv2.color_bgr2hsv)
# 设置阈值
lowera = np.array([0, 0, 221])
uppera = np.array([180, 30, 255])
mask1 = cv2.inrange(hsv, lowera, uppera)
kernel = np.ones((3, 3), np.uint8)
# 对得到的图像进行形态学操作（闭运算和开运算）
mask = cv2.morphologyex(mask1, cv2.morph_close, kernel) #闭运算：表示先进行膨胀操作，再进行腐蚀操作
mask = cv2.morphologyex(mask, cv2.morph_open, kernel) #开运算：表示的是先进行腐蚀，再进行膨胀操作
# 绘制轮廓
edges = cv2.canny(mask, 50, 150, aperturesize=3)
# 显示图片
cv2.imshow("edges", edges)
# 检测白线 这里是设置检测直线的条件，可以去读一读houghlinesp()函数，然后根据自己的要求设置检测条件
lines = cv2.houghlinesp(edges, 1, np.pi / 180, 40,minlinelength=10,maxlinegap=10)
print "lines=",lines
print "========================================================"
i=1
# 对通过霍夫变换得到的数据进行遍历
for line in lines:
# newlines1 = lines[:, 0, :]
print "line["+str(i-1)+"]=",line
x1,y1,x2,y2 = line[0] #两点确定一条直线，这里就是通过遍历得到的两个点的数据 （x1,y1）(x2,y2)
cv2.line(image,(x1,y1),(x2,y2),(0,0,255),2) #在原图上画线
# 转换为浮点数，计算斜率
x1 = float(x1)
x2 = float(x2)
y1 = float(y1)
y2 = float(y2)
print "x1=%s,x2=%s,y1=%s,y2=%s" % (x1, x2, y1, y2)
if x2 - x1 == 0:
print "直线是竖直的"
result=90
elif y2 - y1 == 0 :
print "直线是水平的"
result=0
else:
# 计算斜率
k = -(y2 - y1) / (x2 - x1)
# 求反正切，再将得到的弧度转换为度
result = np.arctan(k) * 57.29577
print "直线倾斜角度为：" + str(result) + "度"
i = i+1
# 显示最后的成果图
cv2.imshow("line_detect",image)
return result
if __name__ == '__main__':
# 读入图片
src = cv2.imread("lines/line6.jpg")
# 设置窗口大小
cv2.namedwindow("input image", cv2.window_autosize)
# 显示原始图片
cv2.imshow("input image", src)
# 调用函数
line_detect(src)
cv2.waitkey(0)
|
测试图片：
效果图：
图像处理比较粗糙，由于时间问题，也就没有深入研究了。
到此这篇关于python opencv实现直线检测并测出倾斜角度(附源码+注释)的文章就介绍到这了,更多相关opencv 直线检测内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/weixin_44919384/article/details/107674484