美好的一天！我仍然是python的新手。我正在开发一个可以探测行人线的程序。我的问题是，当使用概率霍夫变换时，会检测到线条，但它们会相互重叠。如何摆脱重叠的线条？ 这是我的代码：
import cv2
import numpy as np
import math
from matplotlib import pyplot as plt
from calibrate import undist
def auto_canny(img, sigma = 0.5):
v = np.median(img)
lower = int(max(0,(1.0-sigma)*v))
upper = int(min(255,(1.0+sigma)*v))
edged = cv2.Canny(img, lower, upper)
edged = cv2.dilate(edged, None, iterations=1)
edged = cv2.erode(edged, None, iterations=1)
return edged
img = cv2.imread('sample.jpg')
img.shape
green = img[:,:,1]
blurred = cv2.GaussianBlur(green, (5,5), 0)
autoEdges = auto_canny(blurred)
minLineLength = img.shape[1]-10000
lines = cv2.HoughLinesP(image=autoEdges,rho=1,theta=np.pi/500,threshold=10,lines=np.array([]),minLineLength=minLineLength,maxLineGap=90)
a,b,c = lines.shape
for i in range(a):
xst=lines[i][0][0]
yst=lines[i][0][1]
xnd=lines[i][0][2]
ynd=lines[i][0][3]
cv2.line(img,(xst, yst), (xnd, ynd), (0,0,255), 1, cv2.LINE_AA)
l = math.sqrt(((abs(xnd-xst))^2) + ((abs(ynd-yst))^2))
rho = (xst*ynd - xnd*yst)/l
dist = abs(rho)
m = (ynd - yst)/(xnd-xst)
print (dist,m)
cv2.imshow('result',img)
cv2.imshow('canny',autoEdges)
k = cv2.waitKey(0)
if k == 27:
cv2.destroyAllWindows()
elif k == ord('a'):
cv2.imwrite('OUTPUTCANNY.png',autoEdges)
cv2.imwrite('OUTPUTCANNYWITHHOUGH.png',img)
cv2.destroyAllWindows()
这些是每行的输出值（rho，slope）：
（2138.987461393825,0）
（9352.1609578182488,0）
（2786.3685089632231,0）
（459.45861938801005,0）
（74.176540269582901,0）
（7768.377424418768,0）
（4323.5582400556614,0）
（1457.9223924831122,0）
（4029.5491996504829,0）
（353.1785277501566,0）
（3429.0843443517056,0）
（687.44444444444446,0）
（1001.540320481475,0）
（4891.3687385623834,0）
（6324.1371540947503,0）
（5782.5260784389111,0）
（2142.4394280125407,0）
（3419.373032213327,0）
（79.606923443428798,0）
（4081.4477628728268,0）
（2548.076237638998,0）
（2075.2538668232146,0）
（96.599999999999994,0）
（28.918275651682048,0）
（457.23808531952665,0）
（563.81287237538288,0）
（4522.6641535572326,0）
（21.582043818522273,0）
（2072.2164335243606,0）
（446.51735688548547,0）
（4145.9017474324037,0）
（181.84369168362207,0）
（2232.0294867294269,0）
（2003.5982177527055,0）
（5148.1880307541214,0）
（654.14939315987181,0）
（114.49162997063731,0）
（1256.9505554297596,0）
（1765.2144695745915,0）
（835.27600228906385,0）
（331.66247903554,0）
（433.90321501459283,0）
（80.786267723119749,0）
（678.50865875094041,0）
（75.599999999999994,0）
（1698.1082622291476,0）
（4893.1250194343038,0）
（870.45171061088456,0）
（714.65656087382285,0）
（605.84788121475981,0）
（2227.8458409210211,0）
（475.17575695735991,0）
（6150.4292926708586,0）
（2489.7061482035415,0）
（75.894663844041105,0）
（603.33333333333337,0）
（973.49884437527714,0）
据推测，应该检测到14条线（边缘）但是如上面的数据所示检测到总共72条线（rho，斜率）。任何人都可以建议消除这些不必要的线路吗？谢谢。
答案 0 :(得分：0)
对于这类问题，不要考虑语言特定的问题。
让我先澄清你的问题。我举一个我之前的实验的例子。
（我创建了一个新帐户，因此我的声誉很低并且图像显示为链接）
这是我的原图： original_image
当我使用 HoughLinesP 时，我得到了这样的结果：houghlinep_result
我很高兴看到只有两行，但我得到了类似这样的行的列表：
[[[ 0 59 104 3]]
[[ 2 59 56 32]]
[[ 96 3 174 57]]
[[ 4 59 49 36]]
[[125 25 174 58]]
[[ 53 34 99 7]]
[[111 12 165 50]]]
我的目标是有两行：better_result
[[ 0 59 104 3]
[ 96 3 174 57]]
这就是我想要的，因为它们在同一条线上，长度不同，角度非常相似。
如果我的问题的这个解决方案是你所需要的，你可以找到两点之间的角度并检查是否已经存在相似的角度。
一小部分例子：
lines = cv2.HoughLinesP(img, rho, theta, threshold, np.array([]), min_line_length, max_line_gap)
cleans = np.empty(shape=[0,4], dtype=np.int32)
for l in lines:
alfa = degrees(atan2(l[0][2]-l[0][0], l[0][3]-l[0][1]))
if len(cleans) == 0:
cleans = np.append(cleans, [l[0]], axis=0)
continue
similar = False
for c in cleans:
beta = degrees(atan2(c[2]-c[0], c[3]-c[1]))
if abs(alfa-beta) <= 3.5:
similar = True
break
if not similar:
cleans = np.append(cleans, [l[0]], axis=0)
print(cleans)
for line in [cleans]:
for x1,y1,x2,y2 in line:
cv2.line(img,(x1,y1),(x2,y2),255,2)
使用atan2函数求两点之间的角度。
请记住，代码没有优化。
它将角度与示例中的 阈值、3.5 进行比较。
如果低于阈值，则认为是相似线，不加入clean数组。
在您的问题中，如果您有超过 2 条线并且可能在不同坐标中具有相似的角度，则您必须进行额外检查，可能使用网格大小。
如果是这种情况，请分享几个屏幕截图。