【发布时间】：2020-05-23 14:07:55
【问题描述】：
我一直在比较 OpenCV 和 scikit-image 的霍夫线实现，我发现 scikit-image 提供了明显更好的结果。我正在尝试在两者中进行相同的 canny/hough 线转换（在 OpenCV 中添加了 GaussianBlur，因为我相信 scikit 作为 canny 的一部分）。
如果可能的话，我想了解如何从 OpenCV 获得与从 scikit-image 获得相似的结果。
这是 scikit-image 的结果：
这是来自 OpenCV 的结果：
你可以看到他们明显更糟。 OpenCV 的中间精明输出也更差，（但不是很大），所以我不确定这是否是问题所在？
我已将代码和结果上传到https://github.com/grokys/hough-test。为我的 Python 技能道歉。
【问题讨论】：
-
虽然OpenCV 和scikit-image 似乎实现了相同的算法，但你怎么知道他们以相同/“正确”的方式实现它？
HoughLinesP具有距离和角度分辨率参数（您明确设置），probabilistic_hough_line仅允许在某些角度进行处理（您不使用）。恐怕要获得明确的答案，您需要深入研究源代码。 -
是的，他们显然没有以完全相同的方式实现它们，但我已经尝试查看源代码（尝试过，因为 OpenCV 不完全可读）并且它们出现 i> 做大致相同的事情。我希望听到对这些事情更了解的人的意见，他们可能知道其中的区别并且知道如何改进 OpenCV 输出。
-
scikit内部如何选择参数？也许您可以尝试在算法级别使用相同的参数？
-
您使用的是什么版本的 OpenCV 和 scikit-learn？
标签： python opencv computer-vision scikit-image