霍夫變換是影象處理必然接觸到的一個演算法，為了檢測出來直線和圓，橢圓之類的形狀。
比較好的教程霍夫變換原理
霍夫變換實現步驟：

import cv2

import numpy as np

def hough_detectline(img):

   thetas=np.deg2rad(np.arange(0,180))


   row,cols=img.shape

   diag_len=np.ceil(np.sqrt(row**2+cols**2))

   rhos=np.linspace(-diag_len,diag_len,int(2*diag_len))

   cos_t=np.cos
 
(thetas)

   sin_t=np.sin(thetas)

   num_theta=len(thetas)

   #vote

   vote=np.zeros((int(2*diag_len),num_theta),dtype=np.uint64)

   y_inx,x_inx=np.nonzero(img)

   #vote in hough space

   for i in range(len(x_inx)):

       x=x_inx[i]

       y=y_inx[i]

       for j in range(num_theta):

           rho=round(x
 
*cos_t[j]+y*sin_t[j])+diag_len

           if isinstance(rho,int):

               vote[rho,j]+=1

           else:

               vote[int(rho),j]+=1

   return vote,rhos,thetas

#image = cv2.imread(r'C:\Users\Y\Desktop\input_0.png')

#image_gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)

#image_binary=cv2.Canny(image_gray,150,255)
 


image = np.zeros((500,500))

image[10:100, 10:100] = np.eye(90)

accumulator, rhos,thetas= hough_detectline(image)

#look for peaks

idx = np.argmax(accumulator)

rho = rhos[int(idx/accumulator.shape[1])]

theta = thetas[idx % accumulator.shape[1]]

k=-np.cos(theta)/np.sin(theta)

b=rho/np.sin(theta)

x=np.float32(np.arange(1,150,2))

#要在image 上畫必須用float32，要不然會報錯(float不行)

y=np.float32(k*x+b)

cv2.imshow("original image",image),cv2.waitKey(0)

for i in range(len(x)-1):

   cv2.circle(image,(x[i],y[i]),5,(255,0,0),1)

cv2.imshow("hough",image),cv2.waitKey(0)

print ("rho={0:.2f}, theta={1:.0f}".format(rho, np.rad2deg(theta)))

使用霍夫變換檢測直線具體步驟：

1. 彩色影象->灰度圖
2. 去噪（高斯核）
3. 邊緣提取（梯度運算元、拉普拉斯運算元、canny、sobel）
4. 二值化（判斷此處是否為邊緣點，就看灰度值==255）
5. 對映到霍夫空間（準備兩個容器，一個用來展示hough-space概況，一個數組hough-space用來儲存voting的值，因為投票過程往往有某個極大值超過閾值，多達幾千，不能直接用灰度圖來記錄投票資訊）
6. 取區域性極大值，設定閾值，過濾干擾直線
7. 繪製直線、標定角點
   houghlinesp函式用法

import cv2
import numpy as np

img = cv2.imread('text3.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray,50,150,apertureSize = 3)
cv2.imshow('edges',edges)
cv2.waitKey(0)
minLineLength = 100
maxLineGap = 10
lines = cv2.HoughLinesP(edges,1,np.pi/180,10,minLineLength,maxLineGap)#返回的是所有檢測到的直線，每一個元素line是一個[x1,y1,x2,y2]的list
for line in lines:
    for x1, y1, x2, y2 in line:
        cv2.line(img,(x1,y1),(x2,y2),(0,255,0),2)


cv2.imwrite('houghlines1.jpg',img)