广义霍夫变换模板匹配 python

广义霍夫变换（Generalized Hough Transform）是一种基于图像形状模板匹配的技术。它可以用于在图像中寻找特定形状的目标。下面是一个基于 Python 的广义霍夫变换模板匹配的示例代码：

import cv2
import numpy as np

# 读取模板图像和待匹配图像
template = cv2.imread('template.jpg', 0)
img = cv2.imread('image.jpg', 0)

# 使用 Canny 边缘检测算法
edges = cv2.Canny(img, 100, 200)

# 进行霍夫变换
lines = cv2.HoughLines(edges, 1, np.pi/180, 100)

# 将极坐标系转换为直角坐标系
cos_theta = np.cos(lines[:, 1])
sin_theta = np.sin(lines[:, 1])
x0 = cos_theta * lines[:, 0]
y0 = sin_theta * lines[:, 0]

# 将直线绘制在图像上
for i in range(len(lines)):
    cv2.line(img, (int(x0[i] + 1000*(-sin_theta[i])), int(y0[i] + 1000*cos_theta[i])), (int(x0[i] - 1000*(-sin_theta[i])), int(y0[i] - 1000*cos_theta[i])), (0, 0, 255), 2)

# 显示结果
cv2.imshow('Result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先读取了模板图像和待匹配图像，并使用 Canny 边缘检测算法对待匹配图像进行处理。然后，我们使用 `cv2.HoughLines` 函数进行霍夫变换，并将得到的极坐标系下的参数转换为直角坐标系下的参数。最后，我们将直线绘制在图像上并显示结果。