您是否看到过HoughLinesP函数文档中的代码示例？

我认为您可以将其用作算法的起点。要拾取水平和垂直线，您只需要按线角过滤掉其他线即可。

更新：

如我所见，您无需查找线条，而是需要在页面上水平放置垂直边缘。对于此任务，您需要结合多个处理步骤才能获得良好的效果。

对于您的图像，通过将Canny边缘检测与HoughLinesP结合使用，可以获得很好的效果。这是我的代码（我使用过python，但我认为您已经明白了）：

img = cv2.imread("C:/temp/1.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 80, 120)
lines = cv2.HoughLinesP(edges, 1, math.pi/2, 2, None, 30, 1);
for line in lines[0]:
    pt1 = (line[0],line[1])
    pt2 = (line[2],line[3])
    cv2.line(img, pt1, pt2, (0,0,255), 3)
cv2.imwrite("C:/temp/2.png", img)

结果看起来像：

不要将RGB转换为灰度。有时，RGB中的不同颜色可以合并为相同的灰度值，因此可能会丢失某些轮廓。您应该分别分析每个RGB通道。

您可能要考虑退出霍夫线检测，因为此方法查找“全局”线，而不是线段。我最近实现了一个应用程序，该应用程序可识别“平行四边形”-本质上是可以旋转的正方形，并且由于视角的原因，透视图也有所缩短。您可能会考虑类似的事情。我的管道是：

1. 从RGB转换为灰度（cvCvtColor）
2. 平滑（cvSmooth）
3. 阈值（cvThreshold）
4. 检测边缘（cvCanny）
5. 查找轮廓（cvFindContours）
6. 具有线性特征的近似轮廓（cvApproxPoly）

在您的应用程序中，结果轮廓列表可能会很大（取决于平滑的“积极性”和Canny边缘检测器的功能增强。您可以通过多种参数来修剪此列表：从轮廓查找器返回的点数，轮廓的面积（cvContourArea）等。根据我的经验，我希望您的应用程序中的“有效”线具有明确定义的面积和顶点计数属性。此外，您还可以根据端到端之间的距离过滤轮廓点，由连接端点的线定义的角度等。

根据您拥有多少CPU“时间”，您始终可以将Hough算法与上述算法配对，以可靠地识别水平线和垂直线。

如果您只需要“线”而不是“线段”，那么我将避免使用Canny，Hough，FindContours或任何其他此类函数，以防您希望提高代码速度。如果您的图像没有旋转，而您要查找的始终是垂直或水平的，则只需使用cv :: Sobel（一个用于垂直，另一个用于水平）并为列和行创建累积数组。然后，您可以搜索此类累加或配置文件中的最大值，例如通过设置阈值，您将知道其中有垂直或水平边缘线的行或列。