目的

為完成尋找車道線的任務，接下來我們利用canny邊緣檢測圖像上再執行霍夫轉換(Hough transform)，指定一些參數來說明我們想要檢測哪種線（即長線，短線，彎曲線，虛線，等等。）。

在此我們使用一個名為HoughLinesP的OpenCV函數，該函數需要幾個參數。讓我們編碼並在Canny函數中找到我們檢測到邊緣的圖像中的車道線。

下圖是我們要使用的圖像：

我們將使用它來查找圖像中的線，使用OpenCV函數HoughLinesP如下：

lines = cv2.HoughLinesP（masked_edges，rho，theta，threshold，np.array（[]），
                        min_line_length，max_line_gap）

如上程式碼，針對Canny演算的輸出圖像masked_edges上進行操作，而HoughLinesP函數的輸出將是線，它將只是一個包含所有線段的端點（x1，y1，x2，y2）的陣列變換操作。其他參數定義了我們正在尋找的線段類型。

首先，rho和theta是我們在Hough空間中的網格的距離和角解析度。在霍夫空間中，我們有一個沿（Θ，ρ）軸佈置的網格。您需要以像素為單位指定rho，以弧度為單位指定theta。

如何決定合理的參數門檻？rho的最小值為1，θ的合理起始位置是1度（pi / 180弧度）。調整這些值可以更靈活地定義構成線的內容。

門檻值參數指定候選線需要進入輸出的最小投票數（給定網格單元中的交叉點）。空的np.array（[]）只是一個替代字符，無需更改它。 min_line_length是您將在輸出中接受的線的最小長度（以像素為單位），max_line_gap是您將允許連接到線的區段之間的最大距離（以像素為單位）。然後，您可以遞迴輸出線並將它們繪製到圖像上以查看所獲得的成果。

程式執行流程及步驟

1.執行import 載入相關函式庫

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
import cv2

2.讀入灰階圖像

image = mpimg.imread（'exit-ramp.jpg'）
gray = cv2.cvtColor（image，cv2.COLOR_RGB2GRAY）

3.定義內核大小並應用高斯平滑處理

kernel_size = 5
blur_gray = cv2.GaussianBlur（gray，（kernel_size，kernel_size），0）

4.定義Canny的參數並應用

low_threshold = 50
high_threshold = 150
masked_edges = cv2.Canny（blur_gray，low_threshold，high_threshold）

5.定義Hough轉換參數

rho = 1
theta = np.pi/180
threshold = 1
min_line_length = 10
max_line_gap = 1

6.製作與我們的圖像大小相同的空白

line_image = np.copy(image)*0 #creating a blank to draw lines on

7.在邊緣檢測到的圖像上運行霍夫轉換

lines = cv2.HoughLinesP（masked_edges，rho，theta，threshold，np.array（[]），
                            min_line_length，max_line_gap）

8.遞廻輸出“lines”並在空白處繪製線條

    for x1，y1，x2，y2 in line：
        cv2.line（line_image，（X1，Y1），（X2，Y2），（255,0,0），10）

9.創建彩色之二進制圖像與線圖像組合

color_edges = np.dstack（（masked_edges，masked_edges，masked_edges））

10.在邊緣圖像上繪製線條

combo = cv2.addWeighted(color_edges, 0.8, line_image, 1, 0) 
plt.imshow(combo)

至此，我已經檢測到很多線段！在這個實作練習中，重要的工作是確定哪些參數最適合優化車道線的檢測。然後，您將要應用感興趣區域掩碼來過濾掉圖像其他區域中檢測到的線段。之前使用三角形區域遮罩，未來將有機會使用cv2.fillPoly（）函數使用四邊形區域遮罩（也可使用相同的方法來任意遮罩複雜的多邊形區域）