一、原理
對于霍夫變換的原理這里就不進行描述啦，感興趣的可以自行搜索。也可以看知乎上面的這篇貼文通俗易懂理解——霍夫變換原理。
二、算法代碼

/*
*參數(shù)說明：
*src:待檢測的原圖像
*rho:以像素為單位的距離分辨率，即距離r離散時的單位長度
*theat:以角度為單位的距離分辨率，即角度Θ離散時的單位長度
*Threshold:累加器閾值，參數(shù)空間中離散化后每個方格被通過的
           累計次數(shù)大于該閾值，則該方格代表的直線被視為在
		   原圖像中存在
*lines:檢測到的直線極坐標描述的系數(shù)數(shù)組，每條直線由兩個參
       數(shù)表示，分別為直線到原點的距離r和原點到直線的垂線與
	   x軸的夾角Θ 
*/
void myHoughLines(Mat &src,double rho,double theat,int Threshold,vector<Vec2f> &lines)
{
	if (src.empty()|| rho<0.1 || theat>360|| theat<0)
		return ;

	int row = src.rows;
	int col = src.cols;
	Mat gray;
	if (src.channels() > 1)
	{//灰度化
		cvtColor(src, gray, COLOR_BGR2GRAY);
	}
	else
		src.copyTo(gray);

	int maxDistance = sqrt(src.cols*src.cols + src.rows*src.rows);
	int houghMat_cols = 360 / theat;//霍夫變換后距離夾角坐標下對應(yīng)的Mat的寬
	int houghMat_rows = maxDistance / rho;//霍夫坐標距離夾角下對應(yīng)的Mat的高
	Mat houghMat = Mat::zeros(houghMat_rows, houghMat_cols, CV_32FC1);

	//邊緣檢測
	Canny(gray, gray, 100, 200, 3);

	//二值化
	threshold(gray, gray, 160, 255, THRESH_BINARY);

	//遍歷二值化后的圖像
	for (int i = 0;i < row;i++)
	{
		for (int j = 0;j < col;j++)
		{
			if (gray.ptr<uchar>(i)[j] != 0)
			{
				/*從0到360度遍歷角度，得到一組關(guān)于距離夾角的離散點，即得到
				一組關(guān)于經(jīng)過當(dāng)前點(i，j)按單位角度theat旋轉(zhuǎn)得到的直線*/
				for (int k = 0;k < 360/ theat;k += theat)
				{
					double r = i*sin(k*CV_PI / 180) + j*cos(k*CV_PI / 180);
					if (r >= 0)
					{//直線到原點的距離必須大于0
						//獲得在霍夫變換距離夾角坐標系下對應(yīng)的Mat的行的下標
						int r_subscript = r / rho;
						
						//經(jīng)過該直線的點數(shù)加1
						houghMat.at<float>(r_subscript,k)= houghMat.at<float>(r_subscript, k)+1;
					}
					
				}
			}
		}
	}
	
	//經(jīng)過直線的點數(shù)大于閾值，則視為在原圖中存在該直線
	for (int i = 0;i < houghMat_rows;i++)
	{
		for (int j = 0;j < houghMat_cols;j++)
		{
			if (houghMat.ptr<float>(i)[j] > Threshold)
			{
				//line保存直線到原點的距離和直線到坐標原點的垂線和x軸的夾角
				Vec2f line(i*rho,j*theat*CV_PI/180);
				lines.push_back(line);
			}
		}
	}
	
}

三、效果測試
測試代碼

void drawLine(Mat &img, vector<Vec2f> lines, double rows, double cols, Scalar scalar, int n)
{
	Point pt1, pt2;
	for (int i = 0;i < lines.size();i++)
	{
		float rho = lines[i][0];//直線到坐標原點的距離
		float theat = lines[i][1];//直線到坐標原點的垂線和x軸的夾角
		double a = cos(theat);
		double b = sin(theat);
		double x0 = a*rho, y0 = b*rho;//直線與過坐標原點的垂線的交點
		double length = max(rows, cols);//突出高寬的最大值
		
		//計算直線上的一點
		pt1.x = cvRound(x0 + length*(-b));
		pt1.y = cvRound(y0 + length*(a));
		//計算直線上的另一點
		pt2.x = cvRound(x0 - length*(-b));
		pt2.y = cvRound(y0 - length*(a));
		while (pt1.x == pt2.x&&pt1.y == pt2.y)
		{
			//計算直線上的另一點
			pt2.x = cvRound(x0 + length*(-b));
			pt2.y = cvRound(y0 + length*(a));
		}
		//兩點繪制直線
		line(img, pt1, pt2, scalar, n);
	}
}

int main()
{
	//Mat test = imread("../d.png");
    Mat test = imread("../HoughLines.jpg");
	vector<Vec2f> lines;
	myHoughLines(test,1,1,100,lines);
	for (int i = 0;i < lines.size();i++)
	{
		cout << "直線為：" << endl << lines[i] << endl;
	}
	Mat testResult = Mat::zeros(test.size(),CV_8U);//在全黑的圖像中畫出直線
	//test.copyTo(testResult);//在原圖上畫出直線

	drawLine(testResult, lines, test.rows, test.cols, Scalar(255),1);
	imshow("原圖：", test);
	imshow("變換后的直線：", testResult);
	waitKey(0);
	return 0;
}

上述代碼中的drawLine()函數(shù)是《OpenCV4快速入門》一書的代碼清單 7-2中的原函數(shù)，只用于畫線。
測試原圖

測試效果

該算法代碼的解析在代碼的注釋中已經(jīng)寫明，對函數(shù)參數(shù)也進行了說明。我使用了多張圖片進行了測試，以及多次調(diào)整參數(shù)進行測試，發(fā)現(xiàn)在rho=1，theat=1，Threshold=100時的檢測效果可以達到最佳。文章來源地址http://www.zghlxwxcb.cn/news/detail-745083.html

到了這里，關(guān)于霍夫變換直線檢測算法實現(xiàn)OpenCV(C++)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！