霍夫直線檢測原理：

1、對於直角座標系中的任意一點A(x0,y0)，經過點A的直線滿足Y0=k*X0+b.(k是斜率，b是截距)

2、那麼在X-Y平面過點A(x0,y0)的直線簇可以用Y0=k*X0+b表示，但對於垂直於X軸的直線斜率是無窮大的則無法表示。因此將直角座標系轉換到極座標系就能解決該特殊情況。

3、在極座標系中表示直線的方程為ρ=xCosθ+ySinθ（ρ為原點到直線的距離）,如圖所示：

參考連結：https://blog.csdn.net/ycj9090900/article/details/52944708

霍夫直線檢測的兩種方法

參考連結：https://www.cnblogs.com/ssyfj/p/9275368.html

1.獲取灰度影象
2.canny邊緣檢測
3.獲取霍夫直線資訊
4.算出直線位置，畫出每條直線

程式碼如下：

# 匯入cv模組
import cv2 as cv
import numpy as np

# 直線檢測  HoughLines霍夫變換
def line_detection(image):
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray,50,150,apertureSize=3)    #apertureSize是sobel運算元大小，只能為1,3,5，7
    lines = cv.HoughLines(edges,1,np.pi/180,200)  #函式將通過步長為1的半徑和步長為π/180的角來搜尋所有可能的直線
    for line in lines:
        rho,theta = line[0]#獲取極值ρ長度和θ角度
        a = np.cos(theta)#獲取角度cos值
        b = np.sin(theta)#獲取角度sin值
        x0 = a * rho#獲取x軸值
        y0 = b * rho#獲取y軸值x0和y0是直線的中點
        x1 = int(x0 + 1000*(-b))#獲取這條直線最大值點x1
        y1 = int(y0 + 1000*(a)) #獲取這條直線最大值點y1
        x2 = int(x0 - 1000 * (-b))  #獲取這條直線最小值點x2　　
        y2 = int(y0 - 1000 * (a)) #獲取這條直線最小值點y2　　其中*1000是內部規則
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)#開始劃線
    cv.imshow("image line",image)

#直線檢測 HoughLinesP概率霍夫變換
def line_detect_possible_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  # apertureSize是sobel運算元大小，只能為1,3,5，7
    lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100, minLineLength=50,maxLineGap=10)  #函式將通過步長為1的半徑和步長為π/180的角來搜尋所有可能的直線
    for line in lines:
        print(type(line))   #多維陣列
        x1,y1,x2,y2 = line[0]
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)
    cv.imshow("line_detect_possible_demo",image)

print("------------Python Opencv Tutorial!-------------")
# 讀取影象，支援 bmp、jpg、png、tiff 等常用格式
src = cv.imread("F:/Projects/images/sudoku.png")
# 建立視窗並顯示影象
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)  # 顯示原圖
line_detection(src)
line_detect_possible_demo(src)
cv.waitKey(0)
# 釋放視窗
cv.destroyAllWindows()
 

執行效果：