使用skimage.util库生成随机霍夫变换图像的Python函数

skimage.util是skimage库中的一个工具模块，提供了一些方便的函数，包括生成随机霍夫变换图像的函数。

生成随机霍夫变换图像的函数是skimage.util.random_noise，它可以通过设置参数来生成不同类型的随机噪声图像，其中包括了椒盐噪声、高斯噪声和泊松噪声。

下面是一个使用skimage.util.random_noise生成随机霍夫变换图像的函数的例子：

import numpy as np
import matplotlib.pyplot as plt
from skimage.util import random_noise

def generate_random_hough_transform_image(shape, noise_type='gaussian', seed=None):
    """
    生成随机霍夫变换图像的函数
    :param shape: 霍夫变换图像的形状，为一个二维元组或列表，如(512, 512)
    :param noise_type: 噪声类型，默认为'gaussian'，可选值包括'gaussian'、's&p'和'poisson'
    :param seed: 随机种子值，默认为None
    :return: 随机霍夫变换图像
    """
    # 生成指定形状的随机霍夫变换图像
    image = np.zeros(shape)
    
    # 生成指定类型的噪声图像
    image = random_noise(image, mode=noise_type, seed=seed)
    
    return image

# 使用例子
# 生成一个512x512的随机霍夫变换图像
image = generate_random_hough_transform_image((512, 512))

# 显示生成的随机霍夫变换图像
plt.imshow(image, cmap='gray')
plt.axis('off')
plt.show()

在这个例子中，我们定义了一个名为generate_random_hough_transform_image的函数，该函数接受三个参数：shape，noise_type和seed。其中，shape参数表示返回图像的形状，noise_type参数表示噪声的类型，seed是随机种子值。

首先，我们通过np.zeros方法创建一个指定形状的全零数组，然后使用skimage.util.random_noise函数生成指定类型的噪声图像。最后，返回生成的随机霍夫变换图像。

在例子中，我们生成了一个512x512的随机霍夫变换图像，并通过plt.imshow和plt.show函数显示了生成的图像。

这是一个简单的使用skimage.util库生成随机霍夫变换图像的函数的例子。通过调整参数，可以生成不同类型和形状的随机霍夫变换图像。