1、给出一幅图片。
2、检测图片边界：img1 = EdgeDetect[img, 0.5]
3、为了节省计算时间，需要把图片缩小：img2 = ImageResize[img1, 200]
4、提取图片数据，下图是图片数据的矩阵形式：data = ImageData[img2];data // MatrixForm;
5、把非零像素的像素坐标提取出来：data0 = Drop[ Flatten[Table[ If[data[[m, n]] > 0, {m, n}, 0], {m, 1, 200, 1}, {n, 1, 200, 1}],1] // Union, 1];data0 // Length
6、对每一个非零像素进行Hough变换：Table[Table[ If[(data0[[n]].{Cos[x], Sin[x]}) > 0, {data0[[n]].{Cos[x], Sin[x]} // N, x}, 0], {x, 0, Pi, Pi/180}], {n, 1, data0 // Length, 1}]得到407612个数据组。
7、下面要对每一个数据组进行统计，统计它们各自在a里面出现的次数：b = Drop[a // Union, 1];d = a // Flatten;dd=Table[{b[[n]], SequenceCount[d, b[[n]]]}, {n, 1, b // Length, 1}]这一步实在是太耗费时间了，因此说，这个原始的算法计算量太大，根本不能用来检测直线；尤其是要实时检测的时候，根本不可能允许用长达数小时的时间，去检测一幅图片。本次试验就此暂停，待找到快速算法，再继续进行。
