Python OpenCV无需高斯模糊的直线检测方法咨询

你判断的Canny内置高斯模糊导致检测效果差是正确的，针对无噪高对比度的程序生成图像，可以采用以下方案提升检测精度：

• 直接替换Canny边缘检测为无模糊的边缘提取方案
  这类图像没有噪声、对比度极高，完全不需要降噪预处理。可以直接对灰度图做阈值二值化，再通过Sobel算子提取边缘，或者直接将二值化结果喂给霍夫变换，保留原始线条的所有边缘信息，避免模糊导致的线条宽度损失。
• 手动实现无高斯模糊的Canny流程
  OpenCV内置的cv2.Canny函数默认强制执行高斯模糊，没有参数可直接关闭，你可以手动拆解Canny算法步骤，跳过模糊环节：
  1. 直接对灰度图计算x、y方向的Sobel梯度
  2. 执行非极大值抑制细化边缘
  3. 用双阈值筛选有效边缘点
• 优化霍夫变换参数
  原代码中cv2.HoughLines的阈值设置为200，对细线条的检测门槛过高，可以根据实际线条长度适当调低阈值，也可以替换为cv2.HoughLinesP概率霍夫变换，对细线条、短线条的适配性更好。

优化后代码示例 #

import cv2
import numpy as np

img = cv2.imread("5-1px_lines.png")
crop_size = 520
img = img[100:crop_size, 100:crop_size]
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 无模糊二值化边缘提取
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
edges = cv2.Sobel(binary, cv2.CV_8U, 1, 1, ksize=3)

# 调低霍夫变换阈值适配细线条
lines = cv2.HoughLines(edges, 1, np.pi / 180, 100)
line_length = 3000
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 + line_length * (-b))
    y1 = int(y0 + line_length * (a))
    x2 = int(x0 - line_length * (-b))
    y2 = int(y0 - line_length * (a))
    cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

cv2.imshow("detection result", img)
cv2.waitKey()
cv2.destroyAllWindows()

上述方案可以完整检测1px到5px的所有线条，不会出现2px线条检测结果异常变窄的问题。

内容的提问来源于stack exchange，提问作者Salvatore