hough.py

   1 from PIL import Image
   2 from math import sin, cos, pi
   3 from commons import clear
   4
   5 def transform(image):
   6
   7     image_l = image.load()
   8     size = image.size
   9
  10     dt = pi / size[1]
  11     initial_angle = (pi / 4) + (dt / 2)
  12
  13     matrix = [[0]*size[1] for _ in xrange(size[0])]
  14
  15     for x in xrange(size[0]):
  16         clear()
  17         print "hough transform: {0}/{1}".format(x + 1, size[0])
  18         for y in xrange(size[1]):
  19             if image_l[x, y]:
  20                 # for every angle:
  21                 for a in xrange(size[1]):
  22                     # find the distance:
  23                     # distance is the dot product of vector (x, y) - centerpoint
  24                     # and a unit vector orthogonal to the angle
  25                     distance = (((x - (size[0] / 2)) * sin((dt * a) + initial_angle)) +
  26                                 ((y - (size[1] / 2)) * -cos((dt * a) + initial_angle)) +
  27                                 size[0] / 2)
  28                     column = int(round(distance)) # column of the matrix closest to the distance
  29                     if column >= 0 and column < size[0]:
  30                         matrix[column][a] += 1
  31
  32     new_image = Image.new('L', size)
  33     new_image_l = new_image.load()
  34
  35     minimum = min([min(m) for m in matrix])
  36
  37     maximum = max([max(m) for m in matrix]) - minimum
  38
  39     for y in xrange(size[1]):
  40         for x in xrange(size[0]):
  41             new_image_l[x, y] = (float(matrix[x][y] - minimum) / maximum) * 255
  42
  43     return new_image