我有以下图片：
我想找到一些线来进行一些计算，平均长度等......
我尝试使用HoughLinesP，但它找不到线。我能怎么做？
这是我的代码：
sk=skeleton(mask);
rows, cols = sk.shape
imgOut=np.zeros((rows,cols,3),np.uint8)
imgOut[:,:,0]=0
imgOut[:,:,1]=0
imgOut[:,:,2]=0
minLineLength = 0
maxLineGap = 0
lines = cv2.HoughLinesP(sk,1,np.pi/180,100,minLineLength,maxLineGap)
for x1,y1,x2,y2 in lines[0]:
cv2.line(imgOut,(x1,y1),(x2,y2),(0,255,0),2)
print len(lines[0])
cv2.imshow('skel',sk)
cv2.imshow('Line',imgOut)
cv2.imwrite('Out.bmp',imgOut)
Output:
如果我改变参数HoughLinesP我只得到线条片段，而不是实线。
尽管霍夫线算法仅适用于直线（并且您显然正在处理曲线），但可能有一种方法可以通过大大增强rho and theta参数。
这应该使弯曲的边指向同一个垃圾箱，而不是分成不同的垃圾箱。
EDIT：
你有一个问题：OpenCV 的定义cv2.HoughLinesP。来自文档 http://docs.opencv.org/modules/imgproc/doc/feature_detection.html?highlight=cv2.houghlinesp#cv2.HoughLinesP :
cv2.HoughLinesP(图像, rho, theta, 阈值[ 线[ minLineLength[ maxLineGap]]])
如您所见，第 5 个参数是lines，输出变量。
您的电话是
cv2.HoughLinesP(sk,1,np.pi/180,100,minLineLength,maxLineGap)
^^^^^^^^^^^^^
lines
所以你给的minLineLength参数没有影响（它变成输出变量），并且maxLineGap也有错误的解释。
我建议明确编写参数名称（尚未调整参数）
cv2.HoughLinesP(sk.astype(np.uint8),rho=1,theta=np.pi/180,threshold=100,
minLineLength=minLineLength,maxLineGap=maxLineGap)
写起来有点长，但至少 OpenCV 不再混合参数了
我更改了每条线的线条颜色，以便更轻松地可视化哪个线段位于何处：
color = np.random.uniform(0,255,3)
cv2.line(imgOut,(x1,y1),(x2,y2),color,2)
通过减少垃圾箱的数量rho and theta（通过增加参数来实现）您将有更多机会让曲线的边缘投票给相同的行箱。
这是一些尝试（下面是完整代码）
rho=5,theta=np.deg2rad(10),threshold=10,minLineLength=5,maxLineGap=2
Too many lines shown. Lowering the parameters
您的输入图像（如给定的）看起来边缘已经存在。的输出skeletonize只是边缘的中心线，这听起来像是一件积极的事情，但对于霍夫线来说，这意味着减少对线段“投票”的像素数量。
# sk = skeletonize(mask==255)
sk = mask==255
这在细节上没有太大变化，但我认为这不会影响手头的任务。
你想要得到的是单独的线段。为什么不直接标记图像呢？
from matplotlib import pyplot as plt
from scipy import ndimage
labels,nblabels = ndimage.label(sk)
plt.imshow(labels,'jet')
plt.show()
通过应用一些形态学运算符，您将获得单独的线，或者在最坏的情况下，获得线分支。
现在您可以通过执行以下操作单独选择行
line = labels == 2 # select the pixels with label 2 only
将霍夫线应用到这些问题上可能有点过分了，但你已经大大分解了你的问题。
指标的计算现在非常简单（请参阅ndimage.测量 http://docs.scipy.org/doc/scipy/reference/ndimage.html#module-scipy.ndimage.measurements文档）并且数组上的迭代非常简单。