偏振分束器底边水平偏差角度检测及代码功能修正需求

我有一张偏振分束器底边的图像，需要计算该底边与水平面的偏差角度。我写了一段OpenCV代码尝试实现，但存在问题：代码在图像中心绘制了水平线，而非追踪立方体的目标边缘；我希望程序能自动识别这条目标边缘，并计算它与水平面的夹角。（附：立方体正面图像，已用白色线条标注需追踪的边缘）

import cv2
import numpy as np

# 加载图像
img = cv2.imread('cubeedge.png', cv2.IMREAD_GRAYSCALE)

ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

# 在二值图像中查找轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

# 找到面积最大的轮廓（认为是立方体边缘）
largest_contour = max(contours, key=cv2.contourArea)

# 为最大轮廓创建掩码
mask = np.zeros(img.shape, dtype=np.uint8)
cv2.drawContours(mask, [largest_contour], -1, (255, 255, 255), thickness=cv2.FILLED)

# 应用掩码到原图以隔离边缘
masked_image = cv2.bitwise_and(img, mask)

# 找到边缘的最小和最大y坐标
min_y = np.min(largest_contour[:, 0, 1])
max_y = np.max(largest_contour[:, 0, 1])

# 计算平均y坐标并在该位置绘制水平线
y_pos = int((min_y + max_y) / 2)
cv2.line(img, (0, y_pos), (img.shape[1], y_pos), (255, 0, 0), thickness=2)

# 高斯模糊去噪
blur = cv2.GaussianBlur(img, (5,5), 0)

# Canny边缘检测
edges = cv2.Canny(blur, 50, 150)

# 霍夫变换检测直线
lines = cv2.HoughLines(edges, 1, np.pi/180, 200)

# 提取第一条检测到的直线
rho, theta = lines[0][0]

# 将theta转为角度，减去90得到与水平线的夹角
angle = np.rad2deg(theta) - 90
cv2.namedWindow('Result', cv2.WINDOW_NORMAL)
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 打印角度
print("Angle: ", angle)

原代码的核心问题：

• 错误通过最大轮廓计算平均y值并绘制水平线，这部分逻辑完全偏离目标，需删除
• 用findContours找最大轮廓的思路不对，目标是细长的边缘线，不是大面积轮廓，反而会干扰检测
• HoughLines检测的是无限长直线，不如用概率霍夫变换HoughLinesP直接获取线段端点，更适合计算角度

修正后的代码：

import cv2
import numpy as np

# 加载图像，保留彩色用于绘制结果
img = cv2.imread('cubeedge.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 预处理：模糊去噪 + Canny边缘检测
blur = cv2.GaussianBlur(gray, (5, 5), 0)
edges = cv2.Canny(blur, 50, 150)

# 概率霍夫变换检测线段
# 参数说明：像素步长1，角度步长1度，阈值100，最小线段长度50，线段间隙允许10像素
lines = cv2.HoughLinesP(edges, 1, np.pi/180, threshold=100, minLineLength=50, maxLineGap=10)

if lines is not None:
    # 筛选目标边缘：假设目标是图像下半部分的长线段（可根据实际情况调整）
    target_line = None
    max_length = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        # 计算线段长度
        length = np.sqrt((x2-x1)**2 + (y2-y1)**2)
        # 筛选图像下半部分的长线段
        if y1 > img.shape[0]//2 and y2 > img.shape[0]//2 and length > max_length:
            target_line = line[0]
            max_length = length
    
    if target_line is not None:
        x1, y1, x2, y2 = target_line
        # 绘制检测到的目标边缘
        cv2.line(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
        
        # 计算线段与水平线的夹角
        # 用arctan2计算角度，结果是弧度，转成角度
        angle = np.rad2deg(np.arctan2(y2 - y1, x2 - x1))
        # 调整角度范围到[0, 180]，方便直观查看
        if angle < 0:
            angle += 180
        
        print(f"底边与水平面的偏差角度: {angle:.2f}°")
        
        # 显示结果
        cv2.namedWindow('Result', cv2.WINDOW_NORMAL)
        cv2.imshow('Result', img)
        cv2.waitKey(0)
        cv2.destroyAllWindows()
    else:
        print("未检测到目标边缘")
else:
    print("未检测到任何线段")

1. 预处理优化：直接对灰度图做模糊+Canny，跳过原代码中无效的阈值分割和轮廓提取步骤，避免干扰
2. 概率霍夫变换：HoughLinesP能直接输出线段的四个端点，更适合计算实际边缘的角度
3. 线段筛选：通过判断线段位置（图像下半部分）和长度，确保找到的是目标底边，可根据你的图像实际情况调整阈值
4. 角度计算：用np.arctan2(dy, dx)计算线段的倾斜角度，转成角度后调整范围，确保结果直观

内容的提问来源于stack exchange，提问作者Max