目录
1、霍夫直线变换
霍夫直线变换（Hough Line Transform）是一种用于在图像中检测直线的技术。它能够从图像中提取出直线的参数，例如直线的斜率和截距。
霍夫直线变换的基本原理是在参数空间中累加直线的交点。对于每个图像中的边缘点，它们代表了可能的直线候选。通过对这些候选直线进行计数，可以找到在参数空间中累积计数最高的直线，从而得到图像中的直线。
示例：
下面是一个使用OpenCV实现霍夫直线变换的简单示例代码：
import cv2
import numpy as np
# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行边缘检测
edges = cv2.Canny(gray, 50, 150, apertureSize=3)
# 进行霍夫直线变换
lines = cv2.HoughLines(edges, 1, np.pi/180, threshold=100)
# 绘制检测到的直线
for line in lines:
rho, theta = line[0]
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
cv2.imshow('Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上述示例中，我们首先使用`cv2.imread()`函数读取图像，并将其转换为灰度图像。
然后，我们使用`cv2.Canny()`函数进行边缘检测，以提取图像中的边缘。
接下来，使用`cv2.HoughLines()`函数进行霍夫直线变换。该函数接受四个参数：边缘图像、距离分辨率、角度分辨率和阈值。在本例中，我们设置了距离分辨率为1像素、角度分辨率为1度，并将阈值设置为100。
然后，对于每条检测到的直线，在图像上绘制直线。我们使用直线的极坐标表示（rho和theta），将其转换为直线的两个端点坐标，并使用`cv2.line()`函数绘制直线。
最后，使用`cv2.imshow()`函数显示结果图像，并使用`cv2.waitKey()`和`cv2.destroyAllWindows()`等函数等待用户按键关闭窗口。
运行上述代码，你将看到显示了检测到的直线的图像窗口。直线以红色显示在原始图像上。
2、霍夫圆环变换
霍夫圆环变换（Hough Circle Transform）是一种用于在图像中检测圆的技术。它能够从图像中提取出圆的参数，例如圆心坐标和半径。
原理：
霍夫圆环变换的基本原理是在参数空间中累加圆的交点。对于每个图像中的边缘点，它们代表了可能的圆候选。通过对这些候选圆进行计数，可以找到在参数空间中累积计数最高的圆，从而得到图像中的圆。
示例：
下面是一个使用OpenCV实现霍夫圆环变换的简单示例代码：
import cv2
import numpy as np
# 读取图像并转换为灰度图像
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 进行图像平滑处理
gray = cv2.medianBlur(gray, 5)
# 检测圆环
circles = cv2.HoughCircles(gray, cv2.HOUGH_GRADIENT, dp=1, minDist=50,
param1=100, param2=30, minRadius=0, maxRadius=0)
# 绘制检测到的圆环
if circles is not None:
circles = np.uint16(np.around(circles))
for circle in circles[0, :]:
center = (circle[0], circle[1])
radius = circle[2]
cv2.circle(img, center, radius, (0, 255, 0), 2)
# 显示结果
cv2.imshow('Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上述示例中，我们首先使用`cv2.imread()`函数读取图像，并将其转换为灰度图像。
然后，我们使用`cv2.medianBlur()`函数对灰度图像进行平滑处理，以减少噪声对霍夫圆环变换的影响。
接下来，使用`cv2.HoughCircles()`函数进行霍夫圆环变换。该函数接受七个参数：输入图像、霍夫圆环检测方法、dp值、最小间距、边缘阈值、圆心累加器阈值和最小/最大半径。在本例中，我们设置了霍夫圆环检测方法为`cv2.HOUGH_GRADIENT`，dp值为1，最小间距为50，边缘阈值为100，圆心累加器阈值为30，最小/最大半径为0（表示不限制半径的范围）。
然后，对于检测到的每个圆环，在图像上绘制圆。我们使用圆的圆心坐标和半径，使用`cv2.circle()`函数绘制圆。
最后，使用`cv2.imshow()`函数显示结果图像，并使用`cv2.waitKey()`和`cv2.destroyAllWindows()`等函数等待用户按键关闭窗口。
运行上述代码，你将看到显示了检测到的圆环的图像窗口。圆环以绿色显示在原始图像上。