Hough 直线变换是一种在图像中检测直线的技术。它通过在极坐标空间中表示图像中的直线，将直线检测问题转换为参数空间的累加问题。OpenCV 提供了 cv2.HoughLines() 和 cv2.HoughLinesP() 函数来执行 Hough 直线变换。
cv2.HoughLines()
lines = cv2.HoughLines(image, rho, theta, threshold)
参数说明：
image: 输入的二值图像，通常是通过边缘检测算法（如Canny）得到的。rho: 极坐标中的像素距离精度。theta: 极坐标中的角度精度，通常以弧度表示。threshold: 累加平面中的阈值，只有累加值大于该阈值的直线才会被检测到。
返回值：
lines: 检测到的直线的参数。每行表示检测到的一条直线，包括极径（rho）和角度（theta）。
cv2.HoughLinesP()
lines = cv2.HoughLinesP(image, rho, theta, threshold, minLineLength, maxLineGap)
除了上述参数外，cv2.HoughLinesP() 还包括以下两个参数：
minLineLength: 最小直线长度，小于该长度的直线会被排除。maxLineGap: 直线之间允许的最大间隙，小于该间隙的直线将被连接为一条直线。
以下是一个简单的示例，演示如何使用 Hough 直线变换检测图像中的直线：
import cv2
import numpy as np
import matplotlib.pyplot as plt# 读取图像并转换为灰度
img = cv2.imread( r"C:\Users\mzd\Desktop\opencv\2.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# 边缘检测
edges = cv2.Canny(gray, 50, 150)# 执行 Hough 直线变换
lines = cv2.HoughLines(edges, 1, np.pi/180, 100)# 在原图上绘制检测到的直线
for line in lines:rho, theta = line[0]a = np.cos(theta)b = np.sin(theta)x0 = a * rhoy0 = b * rhox1 = int(x0 + 1000 * (-b))y1 = int(y0 + 1000 * (a))x2 = int(x0 - 1000 * (-b))y2 = int(y0 - 1000 * (a))cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)# 显示原图和检测到的直线
plt.figure(figsize=(10, 5))plt.subplot(121), plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
plt.title('Original Image with Hough Lines'), plt.axis('off')plt.subplot(122), plt.imshow(edges, cmap='gray')
plt.title('Canny Edge Detection'), plt.axis('off')plt.show()
在这个示例中，我们首先读取了一幅图像，将其转换为灰度图像，然后使用Canny边缘检测算法得到图像的边缘。接着，使用 cv2.HoughLines() 函数进行 Hough 直线变换，并在原图上绘制检测到的直线。最后，通过 Matplotlib 显示原图和边缘检测结果。
