Image processing 基于hough变换的安全带检测

我想检测一下安全带是否系好了。我使用了以下步骤

颜色分割

图像模糊

边缘检测

形态变换

霍夫难题

角度滤波

现在我无法从形态学变换返回的图像中提取特征。我附加的输出是由病理学转换返回。任何帮助都将不胜感激

img=cv2.imread（'belt1.png'）
灰色=cv2.CVT颜色（img，cv2.COLOR\U BGR2GRAY）
#linek=np.zero（（11,11），dtype=np.uint8）
#linek[5，…]=1
#x=cv2.morphologyEx（灰色，cv2.Morpho_OPEN，linek，迭代次数=1）
#灰色-=x
#内核=np.one（（5，5），np.uint8）
#gray=cv2.deflate（gray，内核，迭代次数=1）
#gray=cv2.腐蚀（gray，内核，迭代次数=1）
内核大小=5
模糊度=cv2.高斯模糊度（灰色，（核大小，核大小），0）
低阈值=50
高阈值=150
内核=np.ones（（5,5），np.uint8）
边缘=cv2.Canny（模糊灰度、低阈值、高阈值）
edges=cv2.morphologyEx（edges，cv2.MORPH\u CLOSE，kernel）
rho=1#距离分辨率（以霍夫网格的像素为单位）
θ=np.pi/180#霍夫网格弧度的角度分辨率
阈值=80#最小投票数（霍夫网格单元中的交点）
min_line_length=100#构成一条线的最小像素数
最大线间距=40#可连接线段之间的最大像素间距
line_image=np.copy（img）*0#创建空白以在其上绘制线条
#在边缘检测图像上运行Hough
#输出“线”是一个数组，包含检测到的线段的端点
lines=cv2.HoughLinesP（边、ρ、θ、阈值、np.数组（[]），n，
最小线长度、最大线间距）

这里我无法提取特征：

---

通过提取此边缘地图，您放弃了重要信息，实际上无法在这片混乱中找到皮带。考虑图像分割，但不使用边缘图，我们如何提取线……你能建议一些更好的方法吗？我只是认为。