Python 无需行检测的Hough变换实现

我感到惊讶的是，我似乎找不到任何在线实现的霍夫变换算法描述。Opencv使用Hough变换实现一个测线器，但不提供任何函数，在没有测线后执行到Hough空间的变换

所以我自己实现了一个简单的版本，其中seg_map是一个numpy数组，包含

0

和

1

：

def hough_transform(seg_map):
   rho_step = 5
   phi_step = 20 * np.pi/180
   n_points_min = 2*rho_step
   diag_length = np.sqrt(seg_map.shape[0]**2 + seg_map.shape[1]**2)
   hough_map = np.zeros( (int(2*np.pi/phi_step),int(diag_length/rho_step)) )

   Y, X = np.where(seg_map>0)
   for x, y in zip(X, Y):
      theta = np.arctan2(y, x)
      r = np.sqrt(x**2+y**2)
      for i in range(hough_map.shape[0]):
          phi = i * phi_step - np.pi/2
          rho = r * np.cos(theta-phi)
          if rho>0:
              rho_discretized = int(rho/rho_step)
              hough_map[i, rho_discretized] += 1
   return hough_map

但是，它非常慢（对于我的输入，对于Hough变换+线检测，cv2函数比我的Hough变换算法快200倍）

所以我实际上有两个问题：

• 我是否错过了一个只执行Hough变换而不执行行检测的shelfpython算法？我知道OpenCV版本的代码是开源的，但是它是用C++实现的。
• 除了并行化或非Python实现之外，我的代码中是否存在效率低下且应该更改的地方

---

OpenCV是开源的。请检查他们的代码，看看他们是如何实现的。如果需要，借用代码。URL在这里：
OpenCV是开源的。请检查他们的代码，看看他们是如何实现的。如果需要，借用代码。URL在这里：
您错过了。它是scipy的一个补充，完全用于附加基本变换和类似变换。具体来说，该函数执行转换。您可以在此处找到一个示例：

如果你决定去，标准的Hough变换是在C++中实现的：（）。它的功能与scikit映像中的一个Cython实现相同：（）。

您错过了。它是scipy的一个补充，完全用于附加基本变换和类似变换。具体来说，该函数执行转换。您可以在此处找到一个示例：

---

如果你决定去，标准的Hough变换是在C++中实现的：（）。它与CISKITION图像中的一个Cython实现功能相同：（）./P>当然，但是OpenCV是用C++实现的。我认为我不够清楚，所以我编辑了这个问题：我想要一个Python实现（它不是一个C++实现的包装器）。如果你看一下文档，你会看到它有C++和Python的代码。在OpenCV文档中搜索直线和圆的Hough列表。后者是AT和@ FMW42：其实是C++实现的，@ FMW42，您共享的页面上的代码只是使用OpenCV函数的一个例子（实际上您可以用Python调用）。但这不是一个实现。如果我提供代码，我会发布一个答案。我向您展示了链接，作为您可以找到文档的示例。你说没有。每个方法的OpenCV文档都显示了C++和Python方法。当然，但是OpenCV是用C++实现的。我认为我不够清楚，所以我编辑了这个问题：我想要一个Python实现（它不是一个C++实现的包装器）。如果你看一下文档，你会看到它有C++和Python的代码。在OpenCV文档中搜索直线和圆的Hough列表。后者是AT和@ FMW42：其实是C++实现的，@ FMW42，您共享的页面上的代码只是使用OpenCV函数的一个例子（实际上您可以用Python调用）。但这不是一个实现。如果我提供代码，我会发布一个答案。我向您展示了链接，作为您可以找到文档的示例。你说没有。每个方法的OpenCV文档都显示了C++和Python方法。问题的一部分，除了速度之外，就是它不能很好地处理垂直线。这是一个正确的想法，但是累加器中的目标单元更好地作为θ的函数进行计算，与像素位置无关。问题的一部分，除了速度，是这不能很好地处理垂直线。这是一个正确的想法，但累加器中的目标单元最好作为θ的函数进行计算，与像素位置无关