python hough

Python中的Hough变换是一种常用于图像处理的技术，主要用于检测直线以及其他形状（如矩阵、圆或椭圆）的方法。Hough变换的原理可以简述为以下三句话：首先，将图像空间中的每个点映射到参数空间中，构建一个参数空间的累加器。然后，通过对参数空间中的累加器进行计数，找出累加器值较高的参数对应的直线或形状。最后，将参数空间中的结果反映射回图像空间，得到检测到的直线或形状的位置和属性。

在Python中实现Hough变换的步骤可以大致分为以下几个：
1. 对图像进行预处理，例如灰度化、边缘检测等。
2. 构建Hough空间，并初始化累加器。
3. 对每个边缘点进行遍历，将其映射到Hough空间中，并将相应累加器计数加一。
4. 扫描累加器，找出累加器值较高的参数对应的直线或形状。
5. 反映射结果到图像空间，得到检测到的直线或形状。

以下是使用Python实现Hough变换的示例代码：

import cv2
import numpy as np

# 1. 图像预处理
image = cv2.imread("image.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)

# 2. 构建Hough空间并初始化累加器
height, width = edges.shape[:2]
rho_max = int(np.sqrt(height**2 + width**2))
theta_max = 180
accumulator = np.zeros((rho_max, theta_max), dtype=np.uint8)

# 3. 边缘点映射到Hough空间并累加器计数
for y in range(height):
    for x in range(width):
        if edges[y, x] != 0:
            for theta in range(theta_max):
                rho = int(x * np.cos(np.deg2rad(theta)) + y * np.sin(np.deg2rad(theta)))
                accumulator[rho, theta] += 1

# 4. 扫描累加器，找出累加器值较高的参数对应的直线
threshold = 100  # 阈值，用于筛选出高强度的直线
lines = []
for rho in range(rho_max):
    for theta in range(theta_max):
        if accumulator[rho, theta] > threshold:
            a = np.cos(np.deg2rad(theta))
            b = np.sin(np.deg2rad(theta))
            x0 = a * rho
            y0 = b * rho
            x1 = int(x0 + 1000 * (-b))
            y1 = int(y0 + 1000 * (a))
            x2 = int(x0 - 1000 * (-b))
            y2 = int(y0 - 1000 * (a))
            lines.append(((x1, y1), (x2, y2)))

# 5. 反映射结果到图像空间
result = image.copy()
for line in lines:
    cv2.line(result, line[0], line[1], (0, 255, 0), 2)

# 显示结果
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()