Пространство в Python с OpenCV?

Собственно, в модуле ximgproc есть функция. Вам нужно будет перекомпилировать OpenCV с этим модулем contrib, см. https://github.com/opencv/opencv_contrib

Тогда вам доступна функция cv::ximgproc::FastHoughTransform https: // docs. opencv.org/3.4.1/d9/d29/namespacecvcv::ximgproc::FastHoughTransform1ximgproc.html#a401697bbdcf6c4a4c7d385beda75e849

OpenCV API не имеет такой возможности. Ни одна из функций преобразования OpenCV Hough Lines не возвращает это изображение вызывающей стороне.

http://docs.opencv.org/modules/imgproc/doc/feature_detection.html#houghlines

Если вы хотите установить минимальный порог количества голосов, полученных линией, вы можете установить параметр threshold при вызове метода Hough Lines.

Если вы хотите визуализировать изображение пространства для голосования по линии Хафа в учебных целях, вам придется использовать MATLAB radon вместо этого. Или вы можете реализовать свой собственный.

Я нашел репо в Github, которое его вычисляет, и адаптировал его, чтобы отображать только небольшое пространство.

Ссылка на Github: https://github.com/alyssaq/hough_transform

Адаптированный ниже код:

import numpy as np
import imageio
import math
import matplotlib.pyplot as plt

def rgb2gray(rgb):
    return np.dot(rgb[..., :3], [0.299, 0.587, 0.114]).astype(np.uint8)


def hough_line(img, angle_step=1, lines_are_white=True, value_threshold=5):
    """
    Hough transform for lines
    Input:
    img - 2D binary image with nonzeros representing edges
    angle_step - Spacing between angles to use every n-th angle
                 between -90 and 90 degrees. Default step is 1.
    lines_are_white - boolean indicating whether lines to be detected are white
    value_threshold - Pixel values above or below the value_threshold are edges
    Returns:
    accumulator - 2D array of the hough transform accumulator
    theta - array of angles used in computation, in radians.
    rhos - array of rho values. Max size is 2 times the diagonal
           distance of the input image.
    """
    # Rho and Theta ranges
    thetas = np.deg2rad(np.arange(-90.0, 90.0, angle_step))
    width, height = img.shape
    diag_len = int(round(math.sqrt(width * width + height * height)))
    rhos = np.linspace(-diag_len, diag_len, diag_len * 2)

    # Cache some resuable values
    cos_t = np.cos(thetas)
    sin_t = np.sin(thetas)
    num_thetas = len(thetas)

    # Hough accumulator array of theta vs rho
    accumulator = np.zeros((2 * diag_len, num_thetas), dtype=np.uint8)
    # (row, col) indexes to edges
    are_edges = img > value_threshold if lines_are_white else img < value_threshold
    y_idxs, x_idxs = np.nonzero(are_edges)

    # Vote in the hough accumulator
    for i in range(len(x_idxs)):
        x = x_idxs[i]
        y = y_idxs[i]

        for t_idx in range(num_thetas):
            # Calculate rho. diag_len is added for a positive index
            rho = diag_len + int(round(x * cos_t[t_idx] + y * sin_t[t_idx]))
            accumulator[rho, t_idx] += 1

    return accumulator, thetas, rhos


def show_hough_line(img, accumulator, thetas, rhos, save_path=None):
    plt.imshow(accumulator, aspect='auto', cmap='jet', extent=[np.rad2deg(thetas[-1]), np.rad2deg(thetas[0]), rhos[-1], rhos[0]])
    if save_path is not None:
        plt.savefig(save_path, bbox_inches='tight')
    plt.show()


if __name__ == '__main__':
    imgpath = 'path_img.tif'
    img = imageio.imread(imgpath)
    if img.ndim == 3:
        img = rgb2gray(img)
    accumulator, thetas, rhos = hough_line(img)
    show_hough_line(img,
                    accumulator,
                    thetas, rhos,
                    save_path='output.png')

Получаю правильный результат:

Для этого изображения: