摘要：比這更短的線段被拒絕了。最大限度允許線段之間的間隙把它們當作一條線來對待

Hough Line Transform

霍夫變換是一種檢測任何形狀的流行技術，可以檢測形狀，即使它被破壞或扭曲一點點.
一條線可以表示成y = mx + c或參數形式，像ρ=xcosθ+ysinθ，其中ρ是從原點到直線的垂直距離，θ角是由這條垂線和水平軸以逆時針的方向形成的(這個方向取決于你如何表示坐標系統，這種表示法在OpenCV中使用）

cv.HoughLines()
第一個參數，輸入圖像應該是一個二值圖像，因此在應用hough變換之前應用閾值或使用Canny邊緣檢測.
第二和第三個參數分別是ρ和θ的精度.
第四個參數是閾值，這意味著它應該被視為一條直線.
記住，選票的數量取決于直線上的點的數量,所以它表示應該檢測到的最小長度.

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg")
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)

lines = cv2.HoughLines(edges,1,np.pi/180,200)
for line in lines:
    rho,theta = line[0]
    a = np.cos(theta)
    b = np.sin(theta)
    x0 = a*rho
    y0 = b*rho
    x1 = int(x0 + 1000*(-b))
    y1 = int(y0 + 1000*(a))
    x2 = int(x0 - 1000*(-b))
    y2 = int(y0 - 1000*(a))

    cv2.line(img,(x1,y1),(x2,y2),(0,0,255),2)

cv2.imshow("show",img)
cv2.waitKey()

在hough轉換中，你可以看到，即使對于一個有兩個參數的線，它也需要大量的計算.概率Hough變換是我們所見的Hough變換的一個優化,它并沒有把所有的要點都考慮進去,相反，它只需要一個隨機子集，對行檢測來說足夠.

cv2.HoughLinesP(image, rho, theta, threshold[, lines[, minLineLength[, maxLineGap]]])

minLineLength：最小長度的線。比這更短的線段被拒絕了。

maxLineGap：最大限度允許線段之間的間隙把它們當作一條線來對待

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
lines = cv2.HoughLinesP(edges, 1, np.pi/180,100, minLineLength=100, maxLineGap=10)
for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(img, (x1, y1), (x2, y2), (0,255,0), 2)

cv2.imshow("show",img)
cv2.waitKey()