基于斜率、截距及重叠率合并OpenCV霍夫检测直线的优化方案问询

我正在处理一个OpenCV相关问题：霍夫直线检测器（Hough Line Detector）输出了大量直线，需要通过斜率（slope）、**y轴截距（y-intercept）**和重叠率将重叠直线合并，以此减少直线数量。

背景说明 #

下图是叠加了霍夫检测直线的图像：

当前实现代码 #

获取直线端点数组 #

通过以下代码得到检测到的线段端点数组：

hough = cv.HoughLinesP(can, h_rho, h_theta, h_threshold, minLineLength=h_min_line_length, maxLineGap=h_max_line_gap)  # Hough Line Detection
h1 = hough.squeeze() # 输出"h1"是包含检测线段端点的数组

h1中的每个元素是包含[x1 y1 x2 y2]坐标的1x4 NumPy数组。

Line类定义 #

我创建了Line类来存储直线的坐标、斜率和y轴截距：

class Line:
    def __init__(self, x1, y1, x2, y2) -> None:
        self.x1 = x1
        self.y1 = y1
        self.x2 = x2
        self.y2 = y2
        
        if ((x2-x1) != 0): # 非竖直线
            self.m = (y2-y1) / (x2-x1)
            self.b = y2 - self.m*x2
        else: # 竖直线
            self.m = 999
            self.b = 999 # 用999作为标识，避免处理NoneType

转换为Line实例并排序 #

将所有数组元素转换为Line实例存入列表l1，并按斜率m排序：

l1 = []
for i,line in enumerate(h1):
    x1,y1,x2,y2 = np.ravel(line,"C")
    l = Line(x1,y1,x2,y2)
    l1.append(l)

# 按斜率'm'对实例列表排序
l1.sort(key=operator.attrgetter('m'))

尝试的分组方法及问题 #

我希望基于斜率m的阈值将l1划分子组，例如阈值为2时，斜率列表[-85, -50, -50, -1.125, -0.75, -0.679, -0.12, -0.13, -0.16, 25, 27,..., 999, 999]应被分组为[[1], [2,3], [4,5,6], [7,8,9], [10,11],...,[850,851]]。

参考方案使用itertools.groupby分组：

# 基于斜率'm'的相似度子分组（可根据'm'和'b'的标准差调整子分组顺序以优化速度）
l2 = [list(group) for _, group in itertools.groupby(l1, lambda num: num.m//2)]

但该方法在斜率跨0值时会出现分组错误。

疑问 #

我的后续计划是在每个子组内基于截距b再次分组，再通过重叠率删除被完全包含的直线，请问有没有更简便的实现方法？

内容的提问来源于stack exchange，提问作者lordcarrot