3.2 实例：基于霍夫变换的车道检测

本节首先介绍一些关于霍夫变换的基本概念，然后利用OpenCV提供的霍夫变换来寻找车道。

3.2.1 霍夫变换

最初霍夫变换只是一种检测图像中线条的技术，现在已被广泛采用来检测2D和3D曲线。其算法的执行步骤如下：

（1）拐角或边缘检测。例如，使用Canny、Sobel和自适应阈值，所生成的二进制/灰度图像将具有用0（无边缘）和1（或更高值）表示的边缘。这是输入图像。

（2） ρ 范围和 θ 范围的创建。 ρ 的范围为[-max_dist，max_dist]，其中max_dist表示输入图像的对角线长度； θ 的范围为-90 ^o ～90 ^o 。

（3）计算相对于 ρ 的 θ 累加值。它是一个2D数组，其行数为 ρ 值，列数为 θ 值。

（4）在累加器中“投票”。对于每个边缘点和每个 θ 值，找到最近的 ρ 值，并在累加器中递增该索引。每个元素都表明有多少个点/像素，为潜在的候选线贡献了“票”。

（5）峰值发现。累加器中的局部最大值，用于指示输入图像中最突出的线条的参数。通过应用阈值或相对阈值（等于或大于全局最大值的某个固定的百分比），容易找到峰值。

下面这段代码表示利用霍夫变换来检测直线。

代码3-1 利用霍夫变换检测直线

下面这段代码表示如何调用上面定义的hough_line检测直线。

代码3-2 调用hough_line检测直线

3.2.2 OpenCV车道检测

下面给出的例子，主要是利用OpenCV提供的cv2.HoughLinesP函数来进行直线检测。

代码3-3 OpenCV提供的cv2.HoughLinesP函数

代码3-4 调用cv2.HoughLinesP函数 eXFHukDJq8w7MqscEAwtldnyIuoFcnMTgTGpUkUh9dWE7IH6SmuXP83SBdXHZ2X3