概述
了解霍夫变换以及该方法如何检测图片中的直线，学习了解cv2.Canny、cv2.HoughLines、cv2.HoughLinesP。
原理
我理解的霍夫变化就是运用数学知识中关于极坐标与向量的知识表示出所有可以表达出图形的公式。我们最初接触到的一元一次函数都是运用表达直线的，表达通式为y=k * x + b，这里用(k, b)就可以表示一条直线。而在极坐标中可以表示为r=x * COSθ + y * SINθ。用(r,θ)两个参数表示一条直线。采用极坐标而不采用一元一次函数是因为k值和b值在任意一个象限里都会出现负数不便于计算，而用极坐标r值永远是大于等于0的数，θ就可以用0～360度表示方便计算。其中r表示直线到原点的最短距离，θ表示x轴与原点到直线最短距离的夹角。在Python语言中，OpenCV的霍夫直线检测函数如下：
lines = cv2.HoughLines(image, rho, theta, thresh, [, lines[, srn[, stn[, min_theta[, max_theta]]]]])
* lines是输出检测到的直线的向量，每条直线用(r,θ)表示。r表示直线到原点(就是图片的左上角)的距离。θ表示直线的旋转角度。
* image是指输入的色深8位或者单通道灰度图片，否者运行时会报错。
* rho是指以像素为单位累加器的分辨距离值。
* theta是指以用弧度表示的角度。
* thresh是指累加器阈值参数，只有落在直线上的像素点数大于thresh值才会返回直线。
* srn 是对于多个范围的霍夫变化，它是距离分辨率rho的除数。估算的距离分辨率是rho，精确的计算的分辨率是rho/srn。如果 srn 和 stn 都是0，则使用的是经典霍夫变化。否则这两个参数必须是正数。
* stn 是对于多范围的霍夫变化，他是角度分辨率theta的除数。
* min_theta用于经典和多范围霍度变化，指检测直线的最小角度，值的范围是0到max_theta。
* max_theta用于经典和多范围霍度变化，指检测直线的最大角度，值的范围是min_theta到pi之间。
这个方法可以检测到直线，但是得到的是直线，而在现实应用中，需要识别的更多的线段。所以我还要学习了解一下cv2.HoughLinesP方法。
lines = cv2.HoughLinesP(image，rho，theta，threshold[, lines[, minLineLength[, maxLineGap]]])
这个方法中前面四个参数跟cv2.HoughLines方法中的用法相同，详细记录一下minLineLength和maxLineGap。
* lines返回值是以(x1，y1，x2，y2)4个元素的向量为元素的列表。（x1，y1）和（x2，y2）表示一条线段的起点和终点。
* minLineLength指最小的线段长度，小于该参数的直线被舍弃掉，认为不合格。
* maxLineGap指同一条线上的最大间断值。
步骤：
1. 读取图片后，先要将图片转换为灰度图。
image = cv2.imread(‘hl.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
原图
2. 用cv2.Canny()进行边缘检测
edges = cv2.Canny(gray, 90,110)
边缘图
3.运用霍夫直线识别来识别如片中的直线。
lines = cv2.HoughLines(edges，1，np.pi/180,200)
或者使用cv2.HoughLinesP()方法。
lines = cv2.HoughLineP(edges, 1，np.pi/180，200，20，10)
4. 对检测到的直线在原图中标记出来。
图5解释了为什么x1，y1，x2，y2是下图中这种写法。可以保证检测到的单条直线画满整幅图。
cv2.HoughLinesP()方法的返回值是(x1，y1，x2，y2),因此画到原图中的代码如下。
for line in lines:
x1 = int(round(line[0][0]))
y1 = int(round(line[0][1]))
x2 = int(round(line[0][2]))
y2 = int(round(line[0][3]))
cv2.line(img,(x1,y1),(x2,y2),(255,0,0),2)
cv2.imshow('HoughLinesP',img)
cv2.waitKey(0)
总结
霍夫变换检测直线方法只有将参数设置合适，才有可能达到想要的效果，还是有一定的不足，使用时还是根据具体情况来选择应用。
