最近需要利用攝像頭對細小的偏移做矯正，由於之前的介面工具是用 PyQT 所寫，在當前的工具中加入攝像頭矯正程式，也打算用 python 直接完成。

OpenCV 簡介：

Python 處理影象有 OpenCV 庫。OpenCV 可以執行在 Linux，windows，macOS 上，由 C 函式和 C++ 類構成，用於實現計算機影象、視訊的編輯，應用於影象識別、運動跟蹤、機器視覺等領域。

OpenCV 安裝：

OpenCV 無法用 pip 或easy_install 安裝，需要手動下載 .whl 檔案安裝。

實際應用中安裝的OpenCV 庫版本為 2.4.13。之所以用 2.4.13 版本的OpenCV，不採用 3.4 版本，是因為專案中用到的直線檢測演算法——霍夫變換，在OpenCV 3.4 中只能檢測到一條結果，這條結果是所有線段中最長的一條。

從以下網址獲取 OpenCV 的安裝包（網頁載入的速度比較慢，需要靜候）

開啟連結，待載入完畢後，搜尋 OpenCV，可以找到如下頁面

根據實際安裝的 python 環境，下載對應的 OpenCV 安裝包。

輸入命令，完成 OpenCV 的安裝。

pip install opencv_python‑2.4.13.5‑cp27‑cp27m‑win_amd64.whl

OpenCV 使用：

我對影象的處理是對灰度影象進行處理，不考慮 RGB 值，為了減輕實際的計算量。OpenCV 提供的 RGB 轉灰度值的介面是

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

得到的灰度影象與原圖的比較，如下圖所示

要得到圖片的線段，在灰度圖上繼續做後續操作。對影象線段進行檢測的演算法，是通過運算元進行邊緣檢測，常用運算元有Prewitt 運算元、sobel 運算元、Laplace 運算元以及 Canny 運算元。這裡就不對這些運算元的檢測結果進行詳述了，因為我也不是很明白幾種運算元實際效果的區別。本例中使用的是 canny 運算元。

OpenCV 中呼叫 canny 運算元的方式如下：

edge = cv2.Canny(image, threshold1,threshold2[, edges[, apertureSize[, L2gradient ]]])

必要引數：

第一個引數是需要處理的原影象，該影象必須為單通道的灰度圖；

第二個引數是閾值1；

第三個引數是閾值2。

其中較大的閾值2用於檢測影象中明顯的邊緣，但一般情況下檢測的效果不會那麼完美，邊緣檢測出來是斷斷續續的。所以這時候用較小的第一個閾值用於將這些間斷的邊緣連線起來。

可選引數中apertureSize就是Sobel運算元的大小。而L2gradient引數是一個布林值，如果為真，則使用更精確的L2範數進行計算（即兩個方向的倒數的平方和再開放），否則使用L1範數（直接將兩個方向導數的絕對值相加）。

隨後進行霍夫變換，得到線段的座標。

霍夫變換是經典的檢測直線的演算法。其最初用來檢測影象中的直線，同時也可以將其擴充套件，以用來檢測影象中簡單的結構。

cv2.HoughLines函式輸出的是[float,float]形式的ndarray，其中每個值表示檢測到的線(ρ , θ)中浮點點值的引數。在本例中，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。然而用這種方法檢測出來的是貫穿整張影象的直線，需要檢測線段時，則要採用概率霍夫變換。

lines = cv2.HoughLinesP(edges, 1,np.pi/180, 80, minLineLength, maxLineGap)

它有兩個引數：

minLineLength-線的最短長度，比這個線短的都會被忽略。

maxLineGap-兩條線之間的最大間隔，如果小於此值，這兩條線就會被看成一條線。

這個函式的返回值就是直線的起點和終點。

最後將找到的線段均顯示在圖片上，即完成直線檢測。

由於圖片畫質因素，很多看似是直線的也未檢測出是直線，還有許多散碎的直線並沒有連線成長線。有待後續研究解決。

附上完整程式碼：

import cv2
import numpy as np

#img = cv2.imread("C:/AE_PUFF/python_vision/2018_04_27/kk-3.jpg")
img = cv2.imread("test.jpg")
cv2.imshow('origin_img', img)
height = img.shape[0]  # 高度
width  = img.shape[1]  # 寬度
cut_img = img

gray = cv2.cvtColor(cut_img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray_img', gray)
cv2.waitKey(0)
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

lines = cv2.HoughLines(edges, 1, np.pi/180, 118)
result = cut_img.copy()
minLineLength = 30 # height/32
maxLineGap = 10 # height/40
lines = cv2.HoughLinesP(edges, 1, np.pi/180, 80, minLineLength, maxLineGap)

for x1, y1, x2, y2 in lines[0]:
    cv2.line(result, (x1, y1), (x2, y2), (0,255,0), 2)

cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()