为什么返回正弦曲线的线的霍夫变换会中途分开？

Question

我一直在使用 Python 和 numpy 实现用于线检测的标准 Hough 变换。

我已成功实现该算法，但它的输出将生成的正弦曲线分成两半。一半在结果图像的一个极端，其余在图像的另一部分。

这是我得到的输出示例：

这是我的代码：

def houghTransf(img, r_ro, r_theta,thrs):

    linhas, colunas =img.shape

    theta = np.linspace(0.0,180.0,np.ceil(180.0/r_theta)+1)

    max_rho = np.sqrt((linhas**2)+(colunas**2))

    rho = np.linspace(0.0,max_rho,np.ceil(max_rho/r_ro)+1)


    res = np.zeros((len(theta),len(rho)))

    # Hough Transform

    for i in range(linhas):
        for j in range(colunas):
            if(img[i,j]<>0):
                for k in theta:
                    v_rho = i*np.sin(k*(np.pi/180)) + j*np.cos(k*(np.pi/180))
                    res[k,v_rho] += 1

    return res

我怀疑问题出在霍夫空间的定义中（theta 和 rho 的定义），但更改每个 linspace 的最小限制似乎没有帮助。

有什么方法可以显示正弦曲线而不像图像中那样将它们分开？

调整rho 和theta 的范围有什么帮助吗？

编辑：

我也试过只用一行来运行算法。

这是我在只有一行的情况下实现算法的输出：

Answer 1

注意这一行之后：

v_rho = i*np.sin(k*(np.pi/180)) + j*np.cos(k*(np.pi/180))

v_rho 最终可能是负面的。您应该将范围的一半添加到它，如下所示：

v_rho = 1.0*len(rho)/2 + i*np.sin(k*(np.pi/180)) + j*np.cos(k*(np.pi/180))

（你需要验证范围是否正常，也许rho现在需要两倍大，不确定）。

这个问题对你来说是隐藏的，因为 Python 和 numpy 允许使用负数索引数组。此修复程序会将您的正弦曲线向右平移一半范围，因此它们不会再被分割。