什么'；HoughLines之前的Canny（opencv）的用途是什么？

我是图像处理新手，我正在研究检测文档图像中的线条。我阅读了Hough线变换的理论，但我不明白为什么在调用opencv中的函数之前必须使用Canny，就像许多教程中所说的那样。在这种情况下找到边有什么意义？事实上，如果我不在HoughLines（）之前使用Canny或threshold，结果将非常混乱。我希望有人能给我解释一下原因

我读过的教程中有两篇：

---

首先，要检测线条，您需要处理

布尔值
矩阵图像（或二进制），我的意思是：颜色是黑色或白色，没有灰度

HoughLines（）
正常工作的要求是将这种图像作为输入。这就是您必须使用
Canny
或
Treshold
将彩色图像矩阵转换为布尔矩阵的原因

霍夫变换

一幅画中的一条线实际上是一条边。Hough变换扫描整个图像，并使用将所有白色像素笛卡尔坐标转换为极坐标的变换；黑色像素被省略。因此，如果您首先不检测边缘，您将无法获得线条，因为
HoughLines（）
不知道在出现灰度时如何操作。
简短回答

cvCanny用于检测边缘，以及增加对比度和去除图像噪声。
使用Hough变换的HoughLines用于确定这些边是否为直线。Hough变换需要很好地检测边缘，以便有效地提供有意义的结果

长答案

维基百科上更详细地描述了该方法的局限性

Hough变换的效率取决于累计像素的区域是否不同，例如，像素与其周围邻居之间的直接对比度，或者如果使用遮罩区域，则取决于像素区域及其周围区域。如果所有像素都有相似的累计值，没有什么会像直线或圆那样突出。这会导致颜色的减少（颜色变为灰度，灰度变为黑色和白色），以增加收缩

Hough变换的参数数量还增加了像素箱中投票的分布，并增加了变换的复杂性，这意味着通常只有线或圆使用它才能可靠地检测到，因为它们的参数少于3个

在运行Hough变换之前，需要很好地检测边缘，否则其效率会进一步降低。此外，噪声图像也不能很好地与Hough变换配合使用，除非事先去除噪声。
一切都是关于处理二进制数据

复杂数据->（a二进制数据，b二进制数据，c二进制数据，…）（使用canny（），sobel（）等）

二进制数据->函数1（）（使用houghlines（））

b二进制数据->函数2（）

c二进制数据->函数3（）

二进制数据-X->function2（）

复杂数据-X->function1（）

理论上，你是对的。寻找边并不是Hough线算法工作的绝对要求

Hough的工作方式基本上是，它取每个点，并将其连接到每个其他点，无论什么点有最多的线穿过它们，这些线都会保持不变。为此，我们需要分数。精明的人创造了这些点。理论上，你可以使用任何类型的过滤器——隔离所有蓝色或紫色的点并连接它们，不管什么——但是边缘效果很好

Hough也不为其线或点加权。对于Hough来说，图像是二进制的——由1s或0、点或非点组成。不需要灰度，canny可以方便地返回二值图像

因此，精明始终是Hough的一部分。
请提供一个最简单的工作示例，并链接到您所参考的“许多教程”之一。感谢您提供的链接！我现在明白了。非常感谢：>我明白了。我很抱歉我的英语不好，这对我阅读文件没有多大帮助。谢谢你的通俗易懂的回答。用findcontours代替canny怎么样？我认为轮廓也能像canny一样检测到边缘，但不适用于HoughLineTransform