应优先选用cv::houghlinesp，因其输出像素坐标系下的线段四元组(x1,y1,x2,y2)，可直接绘制、计算交点及按长度过滤；而cv::houghlines返回冗余的极坐标直线且无端点信息。
OpenCV的cv::HoughLines和cv::HoughLinesP怎么选
直接用cv::HoughLines容易返回一堆重复、冗余的极坐标直线（rho, theta），而且不带端点信息；实际项目里基本都该换用cv::HoughLinesP——它输出的是像素坐标系下的线段四元组(x1, y1, x2, y2)，可直接画、可计算交点、可过滤长度。
关键区别在于：cv::HoughLines是标准霍夫变换，对理想无限长直线建模；cv::HoughLinesP是概率霍夫变换，只采样部分边缘点，速度更快，结果更实用。
-
cv::HoughLinesP必须输入二值边缘图（比如cv::Canny输出），不能直接喂原图 - 参数
minLineLength和maxLineGap非常敏感：太小会碎成短线，太大则漏检带缺口的直线（比如电路板走线） - 若图像分辨率高（如4K），建议先缩放或增大
rho（例如设为1.0而非默认1），否则rho精度不足会导致平行线合并
预处理不做好，霍夫结果全是噪声
霍夫变换对边缘质量极度依赖。直接对cv::Canny默认参数跑，大概率检测出大量短斜线或伪直线——尤其在光照不均、纹理复杂区域。
- 务必先做灰度化+高斯模糊（
cv::GaussianBlur），核大小取5或7，太小去噪不够，太大则边缘模糊丢失细节 -
cv::Canny的两个阈值别用固定值：低阈值设为高阈值的0.4倍左右，高阈值按梯度幅值中位数动态估算更稳 - 若目标直线有固定方向（如文档扫描中的横/竖线），可用
cv::Sobel分别提取X/Y方向梯度，再阈值化后“与”操作，能大幅抑制干扰方向边缘
检测到的线段怎么过滤和合并
cv::HoughLinesP输出的线段常有重叠、近似平行、端点接近等冗余情况，不处理就画出来会显得杂乱。
- 按长度过滤：丢弃
cv::norm(cv::Point(x1,y1) - cv::Point(x2,y2)) 的线段 - 角度聚类：把
atan2(y2-y1, x2-x1)归一化到[−π/2, π/2)，按0.05弧度（约3°）分桶，每桶取最长的一条代表该方向 - 端点合并：对同一角度桶内的线段，若某条的端点距另一条延长线距离
像素，且夹角<code>，可尝试合并为一条（用直线拟合其所有端点）
为什么cv::HoughLinesP有时完全没输出
最常见原因不是参数调错，而是输入图根本没合格边缘——检查edges Mat 的非零像素数：cv::countNonZero(edges) 返回0或极小值（）就说明前序步骤失败了。
- 确认
cv::Canny输入是CV_8UC1单通道图；若传入CV_32F会静默失败，无报错但结果为空 -
rho和theta步进值过大（如rho=5,theta=CV_PI/36）会跳过有效累加器峰值，建议初试用rho=1,theta=CV_PI/180 - OpenCV 4.8+ 版本中，若编译时未启用
OPENCV_DNN_BACKEND_OPENCV，某些优化路径可能异常，降级到 4.5.5 或检查构建日志里的Hough相关开关
真正麻烦的是弱对比直线（比如红外图像里的热力边界），这时霍夫本身已逼近能力极限，得换cv::fitLine配合ROI手动引导，或者上深度学习模型。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
