#带详细中文注释版
import cv2 # 导入OpenCV库,用于图像处理
import numpy as np # 导入NumPy库,用于数组操作
# 读取图像
image_path = 'd:/redm03.jpg' # 定义图像文件路径
image = cv2.imread(image_path) # 读取图像文件,并将其存储在变量image中
#gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 将图像转换为灰度图像,减少处理的复杂度
#不 灰度化,因为后面会用到颜色 色度
# 高斯模糊去噪
blurred = cv2.GaussianBlur(image, (5, 5), 0) # 对灰度图像应用5x5的高斯模糊,减少图像噪声
#blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 对灰度图像应用5x5的高斯模糊,减少图像噪声
# 边缘检测
edges = cv2.Canny(blurred, 50, 150) # 使用Canny边缘检测算法检测图像中的边缘,阈值为50和150
# 找到棋盘网格
lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold=80, minLineLength=100, maxLineGap=10) # 使用霍夫线变换检测图像中的直线
line_image = np.copy(image) * 0 # 创建一个与原始图像大小相同的全黑图像,用于绘制检测到的线条
# 在图像上绘制检测到的线条
for line in lines: # 遍历检测到的每一条线
for x1, y1, x2, y2 in line: # 获取线段的起点和终点坐标
cv2.line(line_image, (x1, y1), (x2, y2), (255, 0, 0), 2) # 在line_image上绘制蓝色的线条,线宽为2
# 将线条覆盖到原始图像上
lines_edges = cv2.addWeighted(image, 0.8, line_image, 1, 0) # 将line_image叠加到原始图像上,透明度为0.8
# 显示结果
cv2.imshow('Detected Lines', lines_edges) # 显示包含检测到的线条的图像
cv2.waitKey(0) # 等待用户按下任意键关闭窗口
cv2.destroyAllWindows() # 销毁所有打开的窗口
# 保存结果
cv2.imwrite('d:/detected_lines0814A04.jpg', lines_edges) # 将结果图像保存到指定路径