hough变换PYTHON代码

### Hough 变换 Python 代码实现

对于图像处理中的几何形状检测，Hough变换是一个非常有效的工具。此方法能够识别图像内的直线、圆形以及其他形态的结构。

在Python中利用OpenCV库可以方便地执行Hough变换操作。下面展示了一个具体的实例，通过`cv2.HoughLinesP()`函数来检测并描绘图片中存在的线段[^3]：

import cv2
import numpy as np

# 加载原始图像文件
img = cv2.imread('example_image.jpg')

# 将彩色图转换成灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用Canny算子提取边缘特征
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 调用HoughLinesP函数寻找可能存在的线段
min_line_length = 100  # 设置最短线长度阈值
max_line_gap = 10      # 设定允许的最大断开距离
lines = cv2.HoughLinesP(edges,
                       rho=1,
                       theta=np.pi / 180,
                       threshold=100,
                       minLineLength=min_line_length,
                       maxLineGap=max_line_gap)

if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(img, (x1, y1), (x2, y2), color=(0, 255, 0), thickness=2)

# 输出带有标记线条的新图像
cv2.imwrite('output_with_lines.png', img)

上述脚本首先读取了一张名为`example_image.jpg`的照片，并将其颜色空间由BGR转为灰阶表示形式；接着运用了Canny算法获取边界信息作为后续分析的基础数据源；最后借助于概率霍夫变换(`cv2.HoughLinesP`)定位到了符合条件的线段，并以绿色实线的形式标注出来保存至新创建的PNG格式文档内。