ハフ変換で直線検出するコードをPythonにて自作

　試しにPythonでハフ変換で直線検出するコードを書いてみました。OpenCVの関数だと投票数（θ-ρのヒストグラム）がわからなかったので自作してみます。アルゴリズムはシンプルなのでコードとしてもとても短くわかりやすいものになりました。

　最後にOpenCVとの検算もしてみました。

ハフ変換での直線検出
Pythonでの実装
OpenCVでの検算
まとめ

ハフ変換での直線検出

　ハフ変換でどこに直線があるか検出します。アルゴリズムの解説は以前やったので

ざっくりとハフ変換を理解する

　画像から直線を検出するために用いられるHough(ハフ)変換ですが、その意味を理解していこうと思います。一般的には説明が省略されるような式の変換も真面目にやってみようと思います。ハフ変換　ハフ変換は、デジタル画像...

　今回は実装のみ。

Pythonでの実装

　ビックリするほど短いです。処理速度はどうだかわかりませんが。

　流れとしては

　θ-ρ空間への投票（OpenCVに倣い、θとρの分解能を引数に）
　ピーク検出（閾値以上でかつ4隣接の中で大きい値の座標を取得）

　です。θを-180°から180°でループさせています。

　詳細は割愛。記述量が少ないので読めば多分わかります。閾値は適宜変更が必要です。

import cv2
import numpy as np
 
##
# @brief ハフ変換
# @param img 2値画像（0が背景それ以外がエッジ）
# @param rho Rho方向の刻み
# @param theta 角度方向の刻み(ラジアン)
# @return θ-ρ空間のヒストグラム
def hough_lines(img, rho, theta):
    y, x = np.where(img)
    hough = []
 
    #rhoの最大値は画像の対角
    rho_max = np.ceil(np.sqrt(img.shape[0] * img.shape[0] + img.shape[1] * img.shape[1]) / rho)
    rng = np.round(np.pi / theta)
 
    for i in np.arange(-rng, rng):
        rho2 = np.round((x * np.cos(i * theta) + y * np.sin(i * theta)) / rho)
        hist, _ = np.histogram(rho2, bins=np.arange(0, rho_max))
        hough.append(hist)
 
    return np.array(hough)
 
##
# @brief ピーク検出
# @param H θ-ρ空間のヒストグラム
# @param threshold 投票数の閾値
# @return ピーク位置でのθ-ρの値
def detectPeak(H, threshold):
    H[H < threshold] = 0
 
    peak = (H[1:-1, 1:-1] >= H[0:-2, 1:-1]) * (H[1:-1, 1:-1] >= H[2:, 1:-1]) * \
           (H[1:-1, 1:-1] >= H[1:-1, 0:-2]) * (H[1:-1, 1:-1] >= H[1:-1, 2:]) * \
           (H[1:-1, 1:-1] > 0)
 
    return np.array(np.where(peak)) + 1
 
thres = 100 # 検出閾値
rho = 0.5 # ρの分解能
theta = np.pi / 180 # θの分解能
 
img = cv2.imread("line-detect.jpg")[:, :, 1]
edges = cv2.Canny(img, 50, 150, apertureSize=3)
 
hough = hough_lines(edges, rho, theta)
peak = detectPeak(hough, thres)
 
# ピークでの投票数
bins = [hough[peak[0, i], peak[1, i]] for i in range(peak.shape[1])]
 
# 検算
lines = cv2.HoughLines(edges, rho, theta, thres)