用Python写一个霍夫变换代码

以下是一个 Python 实现的霍夫变换代码示例：

import numpy as np
import cv2

def hough_transform(img, theta_res=1, rho_res=1, threshold=100):
    # 获取图像的高度和宽度
    height, width = img.shape[:2]

    # 计算极坐标中的距离
    max_dist = int(np.ceil(np.sqrt(height**2 + width**2)))
    rhos = np.arange(-max_dist, max_dist + 1, rho_res)

    # 计算极坐标中的角度
    thetas = np.deg2rad(np.arange(-90, 90, theta_res))

    # 创建一个累加器数组，存储每个点的投票数
    accumulator = np.zeros((len(rhos), len(thetas)), dtype=np.uint8)

    # 遍历图像中的每个像素，如果像素值大于阈值，则对累加器进行投票
    for y in range(height):
        for x in range(width):
            if img[y][x] > threshold:
                for i, theta in enumerate(thetas):
                    rho = x*np.cos(theta) + y*np.sin(theta)
                    j = np.argmin(np.abs(rhos - rho))
                    accumulator[j][i] += 1

    return accumulator, thetas, rhos

if __name__ == '__main__':
    # 读取图像
    img = cv2.imread('test.jpg', cv2.IMREAD_GRAYSCALE)

    # 进行霍夫变换
    accumulator, thetas, rhos = hough_transform(img)

    # 找到累加器中的最大值
    max_value = np.max(accumulator)

    # 设置阈值，只显示投票数大于阈值的线段
    threshold = max_value * 0.5

    # 在原始图像上绘制检测到的线段
    for j, rho in enumerate(rhos):
        for i, theta in enumerate(thetas):
            if accumulator[j][i] > threshold:
                a = np.cos(theta)
                b = np.sin(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))
                cv2.line(img, (x1, y1), (x2, y2), (0, 0, 255), 2)

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

这个代码首先定义了一个 `hough_transform` 函数，该函数接受一个灰度图像作为输入，并返回一个累加器数组、角度数组和距离数组。累加器数组用于存储每个点的投票数，角度数组和距离数组用于定义霍夫空间。

然后，代码读取输入图像，并在其中运行 `hough_transform` 函数。找到累加器中的最大值后，代码使用阈值来确定哪些线段应该被绘制。最后，代码在原始图像上绘制检测到的线段并显示结果图像。