如何用Python为黑白图像边缘拟合两条最优直线？

要从边缘图像中拟合两条独立直线，核心思路是分两次使用RANSAC算法拟合直线，每次拟合后移除对应直线的点集，这样就能分离出图像中最显著的两条直线。相比你当前用的最小二乘（L2距离），RANSAC对离群点鲁棒性更强，更适合从混合点集中提取目标直线。

修改后的代码实现 #

import cv2
import numpy as np

def fit_two_lines_to_edges(edges):
    # 提取所有边缘点
    points = np.where(edges > 0)
    points = np.array([points[1], points[0]]).astype(np.float32)  # 转换为float32适配OpenCV
    
    # 第一次拟合第一条直线（用RANSAC抗离群点）
    [vx1, vy1, x1, y1] = cv2.fitLine(points.T, cv2.DIST_RANSAC, 0, 0.01, 0.01)
    
    # 计算所有点到第一条直线的距离，筛选出距离大于阈值的点（剩余点用于拟合第二条直线）
    # 直线公式：vx*(X - x1) + vy*(Y - y1) = 0，距离为|vx*(X-x1)+vy*(Y-y1)| / sqrt(vx²+vy²)
    distances = np.abs(vx1*(points[0] - x1) + vy1*(points[1] - y1)) / np.sqrt(vx1**2 + vy1**2)
    threshold = 5  # 可根据图像调整阈值
    remaining_points = points[:, distances > threshold].T
    
    # 第二次拟合第二条直线
    [vx2, vy2, x2, y2] = cv2.fitLine(remaining_points, cv2.DIST_RANSAC, 0, 0.01, 0.01)
    
    # 计算两条直线的端点并绘制
    def get_line_endpoints(vx, vy, x, y, img_shape):
        lefty = int((-x * vy / vx) + y)
        righty = int(((img_shape[1] - x) * vy / vx) + y)
        return (0, lefty), (img_shape[1]-1, righty)
    
    pt1_start, pt1_end = get_line_endpoints(vx1, vy1, x1, y1, edges.shape)
    pt2_start, pt2_end = get_line_endpoints(vx2, vy2, x2, y2, edges.shape)
    
    # 绘制两条直线（用不同颜色区分）
    cv2.line(edges, pt1_start, pt1_end, color=(136,155,112), thickness=3)
    cv2.line(edges, pt2_start, pt2_end, color=(255,0,0), thickness=3)
    
    return edges

关键步骤说明 #

• RANSAC拟合：将cv2.fitLine的距离参数从cv2.DIST_L2改为cv2.DIST_RANSAC，该算法能自动忽略离群点，精准拟合出最主要的直线。
• 点集分离：第一次拟合后，计算所有点到直线的距离，过滤掉距离近的点（属于第一条直线的点），剩余点用于拟合第二条直线。
• 阈值调整：threshold参数可根据你的图像分辨率和边缘宽度调整，确保能有效分离两条直线的点集。

参考图像 #

输入图像：

单直线拟合结果：

内容的提问来源于stack exchange，提问作者Ozcan