Python/OpenCV-使用OpenCV中Hough线的两种不同方法检测网球场中的线-获得不同的结果

我正在尝试使用openCV和hough变换检测网球场中的线条。我想找到水平线和垂直线，以便找到交点，并最终检测出网球场的拐角

这里是原始图像。

但是我有一些问题

1） 我试着用HoughLineP。 代码如下：

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,100,200,apertureSize = 3)
lines = cv2.HoughLinesP(edges, 1, np.pi/2, 6, None, 50, 10);
for line in lines[0]:
    pt1 = (line[0],line[1])
    pt2 = (line[2],line[3])
    cv2.line(img, pt1, pt2, (0,0,255), 2)
cv2.imshow('dst',img)

return res

结果如下：

2） 我试着用HoughLines 这是密码

gray=cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,100,200,apertureSize = 3)


#Lignes
lines = cv2.HoughLines(edges,1,np.pi/70,110)
for rho,theta in lines[0]:
    if (np.pi/70 <= theta <= np.pi/7) or (2.056 < theta < 4.970) or (1.570 <= theta <= 1.600): #(2,6 <=theta <= 26) or (theta >118 and theta <= 285)

        a = np.cos(theta)
        b = np.sin(theta)
        x0 = a*rho
        y0 = b*rho
        x1 = int(x0 + 1000*(-b))
        y1 = int(y0 + 1000*(a))

        x2 = int(x0 - 1000*(-b))
        y2 = int(y0 - 1000*(a))

        cv2.line(res,(x1,y1),(x2,y2),(0,0,255),1)

gray=cv2.cvt颜色（res，cv2.COLOR\u bgr2灰色）
边缘=cv2.坎尼（灰色，100200，孔径尺寸=3）
#对齐
线=cv2.霍夫线（边，1，np.pi/70110）
对于ρ，θ在[0]行中：
如果（np.pi/70查找行，HougLines输出包含您想要的行。您只需要过滤掉异常值

为此，您可以使用您的网球场模型。您所知道的是：


字段的外部限制，由一个大矩形表示
两条走廊，由两条线表示，这两条线在两侧切割矩形
服务方格，再次由两条线表示，一条平行于服务线，另一条平行于侧面

例如，你可以尝试从模型中获取利润，你必须过滤掉异常值。有些方法，比如，就是这样做的。基本思想是取随机点，计算模型，并检查数据是否合适。经过一些迭代后，最适合的可能是你寻找的模型。这是一种非常有名的方法（Fisher 1986第一次出版）所以你可以在它上面找到大量的文档。让我们用一个简单的示例算法来为你工作（可能有适应性）：

在直线交点内取4个随机点。计算将这些点映射到场地俯视图的透视投影p。您可以使用OpenCV的getPerspectiveTransform进行此操作。现在，在俯视图中有了场地模型

因为你有一个场地模型（基于网球规则），你可以说其他线的交点（服务线与走廊线、服务广场..）应该在顶视图上的什么位置。如果你对这些点应用透视变换p^{-1}的逆，你就可以在图像空间中找到它们

检查一致性：在图像空间中查找与模型最接近的线交点。这里您应该有一个度量：距离小于x像素的线交点数，或SSD。您将使用此度量对不同的模型进行评级

为您的模型评分：如果您定义的指标小于以前找到的最佳指标，则这就是您当前的最佳模型

迭代。你所做的迭代次数直接关系到最终选择一个好模型的概率。查看Fischler和Bolls的开创性工作，了解如何设置迭代次数

在这里，在迭代结束时，您将找到最适合您的数据的模型，即描述网球场的内联线和不描述网球场的异常值。请注意，此方法对大量异常值（超过50%）具有鲁棒性，但获得良好结果的机会仅限于统计（不过，您可以通过调整迭代次数来设置结果的预期质量）

希望这有帮助

Ben
为什么不将交叉点合并为组，并将组的平均值视为该组的点代表？那么你将有更少的点要处理我想这样做，但不起作用。也许我做得不好。你能在拐角处的交叉点上尝试dbscan聚类吗？我想应该可以，我不知道t、 有方法吗？dbscan是一种聚类方法（）.sklearn有一个实现。你将交点传递给算法，然后你应该返回簇。当然，你仍然需要区分哪些簇构成了实际网球场的一角。你可以彻底检查所有点对，看看它们是否有任何一个看起来像网球场。因为这些点减少了很多通过集群，您应该没有问题。谢谢Ben的回答！我会看看这个方法，但对我来说实现它似乎有点困难。