当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python skimage.transform.hough_line_peaks用法及代码示例

用法: skimage.transform.hough_line_peaks(hspace, angles, dists, min_distance=9, min_angle=10, threshold=None, num_peaks=inf)

返回直线霍夫变换中的峰值。

识别霍夫变换中以特定角度和距离分隔的最突出的线。在霍夫空间的第一(距离)和第二(角度)维度中分别应用不同大小的非极大值抑制来识别峰值。

参数：

hspace：(N, M) 数组: hough_line 函数返回的霍夫空间。
angles：(M,) 数组: 返回的角度skimage.transform.hough_line函数。假设是连续的。 (角度[-1] - 角度[0] == PI)。
dists：(N, ) 数组: hough_line 函数返回的距离。
min_distance：int 可选: 最小距离分隔线(霍夫空间第一维的最大过滤器尺寸)。
min_angle：int 可选: 最小角度分隔线(霍夫空间第二维的最大过滤器尺寸)。
threshold：浮点数，可选: 峰的最小强度。默认值为 0.5 * max(hspace)。
num_peaks：int 可选: 最大峰值数。当峰值数量超过num_peaks时，根据峰值强度返回num_peaks坐标。

返回：

accum, angles, dists：数组的元组: 霍夫空间、角度和距离中的峰值。

例子：

>>> from skimage.transform import hough_line, hough_line_peaks
>>> from skimage.draw import line
>>> img = np.zeros((15, 15), dtype=bool)
>>> rr, cc = line(0, 0, 14, 14)
>>> img[rr, cc] = 1
>>> rr, cc = line(0, 14, 14, 0)
>>> img[cc, rr] = 1
>>> hspace, angles, dists = hough_line(img)
>>> hspace, angles, dists = hough_line_peaks(hspace, angles, dists)
>>> len(angles)
2

相关用法

注：本文由纯净天空筛选整理自scikit-image.org大神的英文原创作品 skimage.transform.hough_line_peaks。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。