使用OpenCV在Python中检测近似直线

嘿，我看你正在捣鼓OpenCV的直线检测，你的代码已经搭好了核心框架，我帮你补全了未完成的绘制部分，还整理成了更清晰的格式，顺便加了些实用细节：

这段代码的核心逻辑是：先裁剪图像边缘减少干扰，通过灰度转换和Canny边缘检测提取轮廓，再用霍夫变换概率版（HoughLinesP）筛选出长直线，最后把检测结果画回原图。

完整可运行代码 #

import cv2
import numpy as np

# 读取目标图像
img = cv2.imread('Image.jpg')
# 裁剪左右各10像素的边缘，减少无关区域干扰
img = img[:, 10:img.shape[1]-10]
# 转换为灰度图，边缘检测需要单通道图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# Canny边缘检测：低阈值50，高阈值150，Sobel核大小3
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
# 设置最小直线长度：仅保留比图像宽度短300像素以内的长直线
minLineLength = img.shape[1] - 300
# 霍夫变换概率版检测直线
lines = cv2.HoughLinesP(
    image=edges,
    rho=0.02,          # 距离分辨率（像素），越小检测越精细
    theta=np.pi / 500, # 角度分辨率（弧度），值越小角度识别越精准
    threshold=10,      # 累加器阈值，投票数超过此值才被视为直线
    lines=np.array([]),
    minLineLength=minLineLength, # 过滤短直线
    maxLineGap=2       # 同一直线上两点的最大允许间隙
)

# 遍历并绘制所有检测到的直线
if lines is not None:
    a, b, c = lines.shape
    for i in range(a):
        # 提取直线的起点(x1,y1)和终点(x2,y2)坐标
        x1, y1, x2, y2 = lines[i][0]
        # 在原图上绘制红色直线（BGR格式），线宽2
        cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

# 显示检测结果
cv2.imshow('Detected Long Lines', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键细节说明 #

• 我加了if lines is not None的判断：如果图像中没有检测到符合条件的直线，直接遍历会报错，这个判断能避免程序崩溃。
• cv2.line的参数补全：你之前的代码写到一半，这里用lines[i][0]提取了直线的四个坐标值，这是HoughLinesP返回结果的标准取值方式。
• 参数调整建议：如果检测结果不理想，可以微调Canny的高低阈值，或者调整HoughLinesP的rho、theta、threshold参数——比如提高threshold会减少误检，但可能漏掉一些弱直线；增大maxLineGap能把断续的长直线合并成一条。

内容的提问来源于stack exchange，提问作者Aadit